مولانا مفتی عتیق الرحمن
۱۲؍ مئی ۸۴ء کو ہندوستان کے نامور عالم مولانا مفتی عتیق الرحمن فالج کے موذی مرض میں ایک طویل مدت تک مبتلا رہ کر ۸۴ سال کی عمر میں اس دارفانی سے رحلت گراے عالمِ جاودانی ہوئے۔
ان کے اس مرض کی المناکی دارالمصنفین سے بھی بڑی حد تک وابستہ ہے، اس لئے اس ادارہ کے خدام ان کی وفات حسرت آیات سے بہت سوگوار ہیں، فروری ۱۹۸۲ء میں یہاں ’’اسلام اور مستشرقین‘‘ پر جو سیمینار ہوا تھا، اس میں وہ شرکت کے لئے تشریف لائے تھے، تین روز یہاں بہت ہنسی خوشی سے گذارے، اس کے ایک اجلاس کی صدارت بھی کی، خوش خوش یہاں سے اور شرکاء کے ساتھ روانہ ہوئے تو ریل ہی میں بارہ بنکی کے پاس ان پر فالج کا سخت حملہ ہوا، ان کے ہم سفر مولانا سعید احمد اکبر آبادی اور مولانا سجاد حسین نے ان کو کسی طرح لکھنؤ کے ہسپتال میں داخل کیا، ان کی طبیعت کچھ سنبھلی تو پھر دہلی لے جائے گئے، اس وقت سے اپنی وفات تک تقریباً سوا دو سال تک بستر ہی پر رہے، خیال ہوتا ہے کہ وہ دارالمصنفین کا سفر نہ کرتے تو اس موذی مرض میں مبتلا نہ ہوتے، مگر مشیتِ ایزدی یہی تھی، راقم ان کی عیادت کے لئے کئی بار ان کی خدمت میں حاضر ہوا ان کا جسم تو بیکار ہوچکا تھا، مگر دماغ بیدار رہا، گفتگو میں وہی روانی اور شیر ینی ہوتی جو ان کی طبیعت کا مخصوص رنگ تھا، ہر قسم کے مسائل پر گفتگو کرتے، مگر زیادہ تر دارالعلوم دیوبند کے قضیۂ نامرضیہ پر اظہار خیال کرتے، ایسا معلوم ہوتا کہ وہاں کا المیہ پیش نہ آتا تو اس مرض میں مبتلا نہ ہوتے اور ہوتے بھی تو اتنے دنوں تک بستر علالت پر پڑے نہ رہتے، دارالعلوم دیوبند...
Latar belakang penelitian ini adalah rendahnya disiplin pada peserta didik SMK Negeri 3 Maumere. Penelitian ini bertujuan untuk menganalisis pengaruh Kedisiplinan dan Motivasi Belajar terhadap Prestasi Peserta Didik Kelas XI SMK Negeri 3 Maumere baik secara parsial maupun secara simultan. Populasi dalam penelitian ini adalah peserta didik SMK Negeri 3, berjumlah 170 orang. Karena populasinya terbatas, maka penelitian ini dilakukan secara random sampling. Data dikumpulkan melalui quisioner dan dianalisis menggunakan metode statistik deskriptif dan statistik inferensial yaitu regresi linier berganda. Pengujian hipotesis dilakukan melalui Uji F dan Uji t. Hasil uji statistik menunjukkan bahwa variabel Kedisiplinan nilai thitung sebesar 2.937dengan nilai signifikan sebesar 0.004. Nilai signifikansi ini lebih kecil dari tingkat alpha yang digunakan 5% (0, 05), maka keputusannya adalah menolak hipotesis nol (Ho) dan menerima hipotesis alternatif (Ha), bahwa secara parsial variabel Kedisiplinan Belajar(X1) berpengaruh signifikan terhadap variabel Prestasi Belajar. Sedangkan variabel Motivasi Belajar menunjukkan bahwa nilai thitung sebesar 2.888 dengan nilai signifikan sebesar 0.005. Nilai signifikansi ini lebih kecil dari tingkat alpha yang digunakan 5% (0, 05), maka keputusannya adalah menolak hipotesis nol (Ho) dan menerima hipotesis alternatif (Ha), bahwa secara parsial variabel Motivasi Belajar berpengaruh signifikan terhadap variabel Prestasi Belajar. Selain itu, hasil koefisien determinasi (R2) sebesar 0.122 yang berarti bahwa kedua variabel bebas dalam penelitian ini (Kedisiplinan Belajar, dan Motivasi Belajar) mampu menjelaskan variasi naik turunnya Prestasi Belajar SMK Negeri 3 Maumere sebesar 12.2%. Peserta didik SMK Negeri 3 Maumere disarankan untuk terus meningkatkan dan memperbaiki beberapa sub indicator disiplin dan Prestasi Belajar yang mempunyai nilai indeks lebih rendah dari nilai indeks Variabel.
The advancement in microscopic imaging techniques results in the generation of a large amount of high quality data in no time. The accurate, real time and autonomous analysis of this data is crucial for the theoretical biomedical research and clinical diagnosis. A lot of vigorous attempts are dedicated for the evolution of computer aided techniques, which improve human diagnosis by increasing efficiency, decreasing variability in the observations and reducing the human effort on labelling and classifying images. Among such determined attempts, histology image classification is one of the most significant fields due to its extensive application in pathological diagnosis such as tumor/cancer diagnosis. Inherent heterogeneous nature and random spatial intensity differences of histopathology images make the histology tissue classification a complex task. In this thesis four novel, robust and adaptive frameworks are proposed for automated and correct classification of histopathology images. The goal of this research is to achieve the expert pathologists’s diagnosis by catering inherent complexity and prevailing the variations in the opinion of different pathologists. The key contributions of this reseach are: First, a histopathological classification problem is explored from all the perspectives by performing pattern analysis at image level and cell level individually and collectively. The first proposed framework is an abstract feature based framework which performs image-level analysis to capture global texture information. The second framework performs cell-level analysis to get nuclei structure and texture. The third and fourth frameworks perform cell-level and image-level analysis to get nuclei structure and image global texture. Second, the exploration of RGB colour space is preferred to mimic the pathologists’ diagnosis process. The imperative role of RGB color channels is investigated in histopathology image classification by extracting nuclear and global image features across these color channels. Third, instead of analyzing various colour spaces a number of feature measures are explored from spatial and frequency domain to encounter maximum diversity. The individual and combined effect of a large number of statistical, structural and spectral feature measures are analyzed including co-occurrence matrices, run-length matrices, local binary patterns with Fourier transforms, morphology features and intensity features. Fourth, an extensive investigation of rank-based feature selection schemes is performed and proved that elitism is not an optimal strategy for feature selection in histopathology image classification. An abstract feature i.e. an optimal combination of functionally collaborating features having implicit linkages is identified based on classification accuracy through evolutionary search process. Fifth, a number of classifiers are explored and an automatic selection of parameters of classification model (classifier and classifier’s parameters) is performed through Genetic Algorithm based evolutionary technique. The experimentation is performed on images of grade-I benign meningioma four subtypes (meningothelial, fibroblastic, transitional and psammomatous) and pre-invasive breast lesions four classes (usual ductal hyperplasia (UDH) and three nuclear grades of ductal carcinoma in situ (DCIS)). The proposed frameworks achieved the promising classification results for four meningioma subtypes and breast lesions grades. In most of the cases, optimal sets of features obtained from the combination of three color channels and classified through linear support vector machine classifier presented the highest classification accuracy. The extraction of nuclear texture in spatial and frequency domain presented promising classification results.