Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Journal of Innovative and Creativity
Diana Reby Sabawaly
Universitas Stella Maris Sumba
Computer Science & IT Economics, Econometrics & Finance Education Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penguatan Etnomatematika Marapu Melalui PBL dan Teknologi Digital Dalam Pembelajaran Matematika SD di Sumba Barat Daya Agustina Purnami Setiawi; Diana Reby Sabawaly; Olviana Tamo Ina; Herman Huki Ratu
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.2273

Abstract

Penelitian ini menggunakan (SLR) terhadap 380 artikel terpilih dan 145 relevan serta memenuhi kriteria inklusi. Artikel-artikel tersebut terdiri dari 6 studi etnomatematika budaya lokal (termasuk artikel spesifik tentang Marapu), 76 penelitian tentang penerapan (PBL) dalam konteks lokal, dan 63 studi mengenai integrasi teknologi digital dalam pembelajaran matematika. Sebaran publikasi menunjukkan peningkatan minat penelitian pada ketiga topik ini dalam dekade terakhir, dengan dominasi studi etnomatematika marapu (4%) diikuti PBL (52%) dan teknologi digital (44%). Artikel dari tahun 2020-2025 terpilih dari Google Scholar, Scopus, dan ERIC untuk menganalisis penguatan etnomatematika Marapu melalui Problem-Based Learning (PBL) dan integrasi teknologi digital dalam pembelajaran matematika. Hasil kajian menunjukkan bahwa budaya Marapu mengandung konsep matematika yang kaya, termasuk pola geometri fractal pada tenun, sistem bilangan adat, dan pengukuran tradisional, yang dapat diintegrasikan ke dalam kurikulum melalui pendekatan PBL berbasis konteks nyata. Analisis mengungkap bahwa PBL efektif meningkatkan keterlibatan siswa dan pemahaman konsep matematika melalui eksplorasi masalah budaya, sementara teknologi digital (seperti tampilan rumah adat 3D dan aplikasi interaktif) berperan penting dalam memvisualisasikan konsep abstrak. Namun, implementasi menghadapi tantangan seperti resistensi terhadap perubahan, keterbatasan infrastruktur teknologi, dan kurangnya pelatihan guru. Temuan utama penelitian ini menawarkan kerangka holistik yang menggabungkan etnomatematika, PBL, dan teknologi digital, dengan rekomendasi praktis berupa pengembangan modul berbasis budaya, pelatihan guru, dan solusi teknologi sederhana untuk daerah terpencil. Studi ini berkontribusi pada pengembangan pedagogi matematika berbasis budaya sekaligus memberikan jalan bagi penelitian lanjutan tentang model evaluasi jangka panjang dan adaptasi pendekatan ini dalam konteks budaya lain.
Sistem Pendukung Keputusan Pemilihan Armada Distribusi Program Makanan Bergizi Gratis Berbasis Web Menggunakan Metode TOPSIS di Kabupaten Sumba Barat Apliana Willu Dapa; Andreas Ariyanto Rangga; Diana Reby Sabawaly
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.14059

Abstract

Program Makan Bergizi Gratis (MBG) memerlukan distribusi makanan yang tepat waktu, aman, efisien, dan sesuai dengan karakteristik wilayah. Pemilihan armada menjadi keputusan penting karena kendaraan berbeda dalam usia, efisiensi bahan bakar, kapasitas, biaya operasional, waktu tempuh, keamanan distribusi, dan kemampuan menghadapi kondisi jalan. Penelitian ini bertujuan membangun model sistem pendukung keputusan berbasis web untuk menentukan prioritas armada distribusi MBG di Kabupaten Sumba Barat menggunakan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Penelitian menggunakan tiga alternatif, yaitu Suzuki APV Blind Van (A1), Suzuki Carry 1.5 Pick Up Box (A2), dan Daihatsu Gran Max Box (A3), serta sembilan kriteria. Bobot kriteria ditetapkan sebesar 0,10 untuk usia, 0,10 kondisi, 0,15 konsumsi bahan bakar, 0,15 kapasitas, 0,08 kesesuaian jenis, 0,15 biaya operasional, 0,10 waktu tempuh, 0,12 keamanan distribusi, dan 0,05 kemampuan jalan. Proses TOPSIS meliputi normalisasi, pembobotan, penentuan solusi ideal, penghitungan jarak, nilai preferensi, dan pemeringkatan. Pada dataset perhitungan yang digunakan, A2 memperoleh nilai preferensi tertinggi sebesar 0.7581, diikuti A3 sebesar 0.4058 dan A1 sebesar 0.2419. Analisis sensitivitas terhadap beberapa perubahan bobot mempertahankan A2 pada posisi pertama. Sistem web yang dirancang menyediakan modul data armada, kriteria, penilaian, perhitungan TOPSIS, ranking, dan laporan optimum guna mendukung kelancaran program pemerintah di tingkat daerah.
Analisis Deteksi Manipulasi Gambar Menggunakan Error Level Analysis dan Deep Learning di SD Padedewatu Herlina Lida Hawa; Herman Huki Ratu; Diana Reby Sabawaly
JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Vol. 4 No. 4 (2026): Oktober : JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI (JITI)
Publisher : CV. ALIM'SPUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59024/jiti.v4i4.2588

Abstract

Digital images are increasingly used as documentation in educational environments, while image-editing tools make manipulation increasingly accessible. This study analyzes a workflow that combines Error Level Analysis (ELA) and a Convolutional Neural Network (CNN) for preliminary detection of manipulated images using photographs from SD Padedewatu as a case study. The dataset initially consisted of 34 original photographs. Because the supplied photographs did not contain verified manipulation labels, controlled manipulated variants were generated from each source image using copy-move, splicing, and object-erasure operations. The resulting labeled dataset contained 136 images, consisting of 34 authentic and 102 manipulated images. ELA was applied by recompressing each image and visualizing the resulting compression-error differences. A CNN classifier was then trained on ELA representations. To reduce source-image leakage, 24 source-image groups were used for training and 10 source-image groups were reserved for testing, producing 96 training images and 40 testing images. The model achieved 75% test Accuracy, 75% precision, 100% recall, and an F1-score of 85.71%. However, the confusion matrix showed that all test images were predicted as manipulated, including the 10 authentic images. Therefore, the Accuracy value should not be interpreted as evidence of balanced or robust forgery detection. The experiment provides a reproducible local ELA-CNN workflow and identifies dataset balance, sample size, and external validation as important priorities for subsequent research.
Co-Authors Andreas Ariyanto Rangga Apliana Willu Dapa Edwin Herlina Lida Hawa Herman Huki Ratu Olviana Tamo Ina Setiawi, Agustina Purnami Stefanus Dwi Istiavan Mau