Financial literacy can increase insight in making wise and effective decisions related to financial planning in the future. Improving financial literacy is an urgent need in building an economically strong, independent, and stable society. Effective financial literacy education and programs can help individuals understand and manage their finances better, as well as improve overall financial well-being. The purpose of this community service is to provide education and understanding about financial management to achieve financial independence. The method of this service is by educating and mentoring the PKK group in Ceguk village regarding financial literacy. Through comprehensive counseling and training, participants gain the knowledge and skills needed to manage personal and family finances more wisely. Financial literacy can increase insight in making wise and effective decisions related to financial planning in the future.

Konten radikal dalam arti procedural adalah konten memprovokasi kekerasan menyebarkan kebencian dan anti nasionalisme. Definisi radikal di setiap negara sangat berbeda, khususnya di Indonesia, konten radikal lebih identik dan sering dikaitkan dengan isu provokasi, kebencian terhadap Suku dan Agama (SARA) tertentu. Konten SARA masih sangat sulit dideteksi, selain karena jumlahnya sangat banyak, tidak terstruktur dan banyak noise juga menimbukan multitafsir Sehingga dapat mengancam persatuan dan kerukunan umat beragama. Berdasarkan hal tersebut, maka dibutuhkan solusi berupa sistem yang mampu membedakan antara konten radikal atau bukan. Pada penelitian ini, kami mengusulkan sistem tersebut melalui pendekatan text mining dengan menggunakan DF Threshold dan Human Brain sebagai ekstraksi fiturnya. Dimana system ini dibagi beberapa tahap yaitu, collecting data dan preprocessing, text mining, fitur seleksi, klasifikasi untuk mengelompokkan data dengan kelas label yang ada, perhitungan kemiripan data latih, terakhir visualisasi konten terkategori radikal atau bukan radikal. Pengujian dilakukan melalui 10-cross validation dengan k-Nearest Neighbor (kNN) sebagai metode klasifikasinya. Berdasarkan uji coba tersebut, maka didapatkan performansi, berupa nilai akurasi, tertinggi dari proposed method sebesar 66.37% dengan nilai k pada kNN sebesar 7.