Claim Missing Document
Check
Articles

Pelatihan dan Pendampingan Olimpiade Sains Nasional Matematika untuk Meningkatkan Kompetensi Siswa SMP IT Bina Insan Palu Resnawati Resnawati; Maulidyani Abu; Haninah Ainun Mardhiyah; Muh. Ahsan Ramadhan L; Andri Andri; Juni Wijayanti Puspita; Abdul mahatir Najar; Rina Ratianingsih; Agus Indra Jaya; Fahri Alam Lasongke; Annisah Annisah; Muh. Ali Akbar
Dedikasi: Jurnal Pengabdian Pendidikan dan Teknologi Masyarakat Vol. 4 No. 2 (2026): Dedikasi 2026
Publisher : Institut Teknologi Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/dedikasi.v4i2.138

Abstract

Pengabdian ini bertujuan meningkatkan kesiapan siswa SMP IT Bina Insan Palu dalam menghadapi Olimpiade Sains Nasional (OSN) bidang matematika melalui pelatihan dan pendampingan intensif. Metode yang digunakan meliputi sosialisasi, seleksi awal terhadap 22 siswa, pelatihan tiga kali seminggu selama tiga bulan, serta evaluasi berkala. Hasil pelaksanaan menunjukkan adanya peningkatan rata-rata skor peserta secara signifikan dari 36.6 pada pre-test menjadi 61.5 pada post-test, dengan kenaikan bervariasi antar individu antara 52.6% hingga 82.9%. Meskipun terjadi perbaikan konsisten, skor tertinggi post-test hanya mencapai 68. Kegiatan ini membuktikan bahwa metode pendampingan terstruktur efektif memperbaiki pemahaman konseptual dasar, namun penguatan materi berpikir tingkat tinggi masih memerlukan waktu pembinaan lebih panjang. Program pengabdian ini memberikan dampak positif dan terukur terhadap kompetensi dasar peserta, namun diperlukan strategi berkelanjutan dan integrasi materi HOTS dalam pembelajaran reguler untuk menjembatani kesenjangan menuju level kompetisi nasional.
Pelatihan dan Pendampingan Olimpiade Sains Nasional Matematika untuk Meningkatkan Kompetensi Siswa SMP IT Bina Insan Palu Resnawati Resnawati; Maulidyani Abu; Haninah Ainun Mardhiyah; Muh. Ahsan Ramadhan L; Andri Andri; Juni Wijayanti Puspita; Abdul mahatir Najar; Rina Ratianingsih; Agus Indra Jaya; Fahri Alam Lasongke; Annisah Annisah; Muh. Ali Akbar
Dedikasi: Jurnal Pengabdian Pendidikan dan Teknologi Masyarakat Vol. 4 No. 2 (2026): Dedikasi 2026
Publisher : Institut Teknologi Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/dedikasi.v4i2.138

Abstract

Pengabdian ini bertujuan meningkatkan kesiapan siswa SMP IT Bina Insan Palu dalam menghadapi Olimpiade Sains Nasional (OSN) bidang matematika melalui pelatihan dan pendampingan intensif. Metode yang digunakan meliputi sosialisasi, seleksi awal terhadap 22 siswa, pelatihan tiga kali seminggu selama tiga bulan, serta evaluasi berkala. Hasil pelaksanaan menunjukkan adanya peningkatan rata-rata skor peserta secara signifikan dari 36.6 pada pre-test menjadi 61.5 pada post-test, dengan kenaikan bervariasi antar individu antara 52.6% hingga 82.9%. Meskipun terjadi perbaikan konsisten, skor tertinggi post-test hanya mencapai 68. Kegiatan ini membuktikan bahwa metode pendampingan terstruktur efektif memperbaiki pemahaman konseptual dasar, namun penguatan materi berpikir tingkat tinggi masih memerlukan waktu pembinaan lebih panjang. Program pengabdian ini memberikan dampak positif dan terukur terhadap kompetensi dasar peserta, namun diperlukan strategi berkelanjutan dan integrasi materi HOTS dalam pembelajaran reguler untuk menjembatani kesenjangan menuju level kompetisi nasional.
Vertex and edge labelling strategies for graph-based computed tomography image denoising Iwan Setiawan; Didi Rosiyadi; Rina Ratianingsih; Maulidyani Abu; Edy Tri Baskoro
Bulletin of Electrical Engineering and Informatics Vol 15, No 2: April 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v15i2.11306

Abstract

Low-dose computed tomography (LDCT) reduces radiation exposure but introduces elevated noise and streak artifacts that degrade structural fidelity. This paper proposes a graph-based LDCT denoising framework that stabilizes graph construction through explicit vertex and edge labelling guided by paired full-dose CT (FDCT) data. The overlapping LDCT patches are modeled as vertices, and FD-guided affinities are used to build a structurally consistent adjacency matrix and a Laplacian spectrum that are less sensitive to noise. Denoising is performed by spectral filtering via spectral graph wavelet transform (SGWT), followed by overlap–add patch aggregation for image reconstruction. Experiments on paired LDCT/FDCT slices (318 pairs) show that FD-guided labelling improves denoising quality compared with conventional filters and non-guided graph baselines. Quantitative results demonstrate higher peak signal-to-noise ratio (PSNR)/structural similarity index measure (SSIM) with improved edge and feature preservation, indicating better structural boundary retention under noise suppression.