Article Per Year (5 Year)
p-Index From 2020 - 2025
1.907
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Economic, Bussines and Accounting (COSTING) MOVE: Journal of Community Service and Engagement Malcom: Indonesian Journal of Machine Learning and Computer Science International Journal of Community Service (IJCS) Bulletin of Social Informatics Theory and Application Jurnal Teknologi dan Bisnis Cerdas
Dhimas Tribuana
Universitas Handayani Makassar
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Monitoring and controlling humidity and pH use of LoRa in IoT-Based hydroponic planting Usman, Usman; Achmad, Andani; Yuyun, Yuyun; Satra, Ramdan; Tribuana, Dhimas; Konate, Siaka
Bulletin of Social Informatics Theory and Application Vol. 8 No. 1 (2024)
Publisher : Association for Scientific Computing Electrical and Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31763/businta.v8i1.672

Abstract

Indonesia, a tropical country with a growing population, has significant potential for food production but faces challenges in meeting this demand. Factors such as generation change, industrialization, and food production monopolies, as well as climate change, food security measures, and a lack of technological progress, affect productivity. Governments need to address these problems by implementing policies such as cost efficiency, supply chain management, minimum labour consumption, and effective food distribution. Food security is vital to the health and well-being of the population, and food is a vital food source to consume. Vegetables, a popular food source, are vital for health and growth. Salad, a plant used for food production, is beneficial to food production and is the main food in the modern market. Technologically speaking, food security is vital to the health and well-being of the population. Governments should focus on improving food security and ensuring that food is accessible to all. The proposed system consists of five sensors: the DHT11 sensor, the TDS meter, the humidity sensor (DS18B20), the water height sensor, and the pH meter. Data from the sensor will be stored in a cloud database via the LoRa communication network, allowing users to access data through Android applications.
Deteksi Kalori Makanan Tradisional Indonesia Menggunakan Metode Single Shot Multibox Detector (SSD): Calorie Detection of Traditional Indonesian Food Using the Single Shot Multibox Detector (SSD) Method Riswanto, Riswanto; Ahmad, Andani; Hazriani, Hazriani; Tribuana, Dhimas
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1332

Abstract

Tujuan penelitian untuk mengembangkan sistem pendeteksi kalori makanan dengan menggunakan metode Single Shot Multibox Detector (SSD). Juga, bertujuan untuk mengatasi masalah manusia yang kesulitan dalam mengestimasi jumlah kalori yang dikonsumsi dari makanan. Dengan menggunakan model kecerdasan buatan dan bantuan kamera pada perangkat ponsel, pada penelitian ini memungkinkan pengguna untuk melakukan estimasi kalori yang lebih akurat. Sistem ini dirancang secara otomatis untuk mengidentifikasi dan memperkirakan jumlah kalori dalam makanan berdasarkan citra visual. Pemilihan metode SSD didasarkan pada keunggulannya dalam mendeteksi objek dengan tingkat akurasi yang tinggi dan kecepatan pengolahan yang cepat. Proses penelitian melibatkan beberapa tahap, termasuk pengumpulan dataset citra makanan, pelatihan model SSD dengan konfigurasi Hyperparameter pada 40.000 langkah, menggunakan data training sebanyak 90%, validasi 10%, dan testing 10%, serta menggunakan batch size 16 dan learning rate 0.007943453. Hasil eksperimen menunjukkan total loss sebesar 0.1670681 dan mean average precision (mAP) sebesar 65.09%. Jenis makanan berhasil dideteksi dengan baik, dan aplikasi mobile terkait mampu mengestimasi kalori makanan setelah deteksi jenis makanan. Meskipun demikian, penelitian mengidentifikasi beberapa tantangan, terutama dalam meningkatkan akurasi deteksi pada makanan dengan struktur kompleks atau variasi presentasi yang ekstensif. Temuan dari penelitian ini diharapkan dapat memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan untuk pemantauan otomatis asupan kalori. 
Pengaruh IQ Dan EQ Terhadap Kinerja Pegawai Dengan Motivasi Kerja Sebagai Variabel Intervening Di Bank MNC Cabang Makasar, Balikpapan, Dan Samarinda Dhimas Tribuana
Journal of Economic, Bussines and Accounting (COSTING) Vol 7 No 4 (2024): Journal of Economic, Bussines and Accounting (COSTING)
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/costing.v7i4.9806

Abstract

Lanskap tenaga kerja global kontemporer ditandai oleh persaingan yang intens dan globalisasi, membutuhkan organisasi untuk menarik dan mempertahankan individu yang luar biasa. Sumber daya manusia yang kuat, yang menunjukkan keahlian yang mendalam, ide-ide inovatif, dan kinerja superior di berbagai domain, sangat penting. MNC Bank, sebuah entitas penting dalam sektor perbankan Indonesia, memerlukan perlindungan yang cermat karena kepopulerannya. Studi ini mengevaluasi dampak program pengembangan Sumber Daya Manusia (SDM) terhadap kuantitas intelektual (IQ) dan kuantitas emosional (EQ) di cabang-cabang MNC Bank, mengungkapkan tantangan seperti personel sementara, keterampilan komunikasi, dan kecerdasan spasial. Motivasi muncul sebagai hal yang vital untuk kinerja karyawan; namun, masuknya orang baru mengancam tingkat motivasi. Studi ini berpusat pada cabang-cabang MNC Bank di Makassar, Balikpapan, dan Samarinda, di mana IQ, EQ, dan motivasi yang kurang optimal menghambat kinerja tugas. Penelitian ini, yang bersifat kuantitatif, menyelidiki hubungan antara IQ, EQ, motivasi, dan kinerja, menggunakan data primer dari kuesioner dan observasi serta data sekunder dari berbagai sumber. Korelasi signifikan didirikan antara IQ dan motivasi kerja, EQ dan kinerja, serta motivasi dan kinerja. Temuan ini menekankan perlunya MNC Bank untuk memprioritaskan IQ, EQ, dan motivasi, sejalan dengan tujuan organisasi. Pelatihan dan pengembangan yang sesuai disarankan untuk memperkuat motivasi dan mendorong pertumbuhan.
Image Preprocessing Approaches Toward Better Learning Performance with CNN Tribuana, Dhimas; Hazriani; Arda, Abdul Latief
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 1 (2024): February 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i1.5417

Abstract

Convolutional neural networks (CNNs) are at the forefront of computer vision, relying heavily on the quality of input data determined by the preprocessing method. An undue preprocessing approach will result in poor learning performance. This study critically examines the impact of advanced image pre-processing techniques on computational neural networks (CNNs) in facial recognition. Emphasizing the importance of data quality, we explore various pre-processing approaches, including noise reduction, histogram equalization, and image hashing. Our methodology involves feature visualization to improve facial feature discernment, training convergence analysis, and real-time model testing. The results demonstrate significant improvements in model performance with the preprocessed dataset: average accuracy, recall, precision, and F1 score enhancements of 4.17%, 3.45%, 3.45%, and 3.81%, respectively. Additionally, real-time testing shows a 21% performance increase and a 1.41% reduction in computing time. This study not only underscores the effectiveness of preprocessing in boosting CNN capabilities, but also opens avenues for future research in applying these methods to diverse image types and exploring various CNN architectures for comprehensive understanding.
Strengthening MSME Marketing through Digital Marketing and Financial Management Training: International Community Service in Cianjur, West Jawa Umiyati, Hesti; Tribuana, Dhimas; Hermawan, Budi; Suherman, Eman; Triyanto, Dedi; Dewi, Puri Swastika Gusti Krisna; Whardani, Kristina Whardani
MOVE: Journal of Community Service and Engagement Vol. 4 No. 5 (2025): May 2025
Publisher : EQUATOR SINAR AKADEMIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54408/move.v4i5.450

Abstract

This international community service, organized by the Doctoral Students of the Management Science Doctoral Program, Class of 2023, at UNIKOM, aimed to enhance the marketing and managerial capabilities of Micro, Small, and Medium Enterprises (MSMEs) affiliated with the Bumi Cianjur Cooperative in West Java. Conducted on February 16–17, 2025, the event was attended by 10 MSMEs operating in various sectors, including services, consumer goods, marketing, production, and savings and loans. The activities included an MSME product exhibition, digital marketing training, financial management workshops, and business consultations. Distinguished speakers from both Indonesia and abroad contributed to the program. The results showed improvements in the participants’ understanding of digital marketing strategies and financial planning, contributing to increased business sustainability and competitiveness. This initiative demonstrates the value of academic-community collaboration and the role of higher education in empowering local enterprises through international engagement.
Strengthening MSME Marketing through Digital Marketing: International Community Service in Thailand among OTOP Entrepreneurs Syafei, M. Yani; Wahdiniwaty, Rahma; Rael Astillero, Marlon; Fakbua, Nidanuch; Tribuana, Dhimas; Hermawan, Budi; Swastika Gusti Krisna Dewi, Puri
International Journal of Community Service (IJCS) Vol. 4 No. 2 (2025): July-December
Publisher : PT Inovasi Pratama Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55299/ijcs.v4i2.1563

Abstract

This international community service program was conducted on August 26, 2025, at the Bang Prong Subdistrict Administrative Organization Office, Samut Prakan, Thailand, with the main objective of strengthening the capacity of OTOP MSME entrepreneurs through the use of digital marketing. The implementation method included product exhibitions, production process demonstrations, and interactive training sessions on digital marketing strategies, social media utilization, and promotional content creation. The results indicated significant improvements in participants’ awareness, skills, and confidence in applying digital technologies to their businesses. The activity also enhanced cross-cultural collaboration between Indonesian and Thai higher education institutions and created opportunities for sustainable development supported by institutional and digital infrastructure. In conclusion, this program highlights the importance of international collaborative community service models in accelerating the digital transformation of MSMEs.
Transformasi SDM Dalam Mendorong Keberlanjutan Bisnis: Peran Strategis HR Dalam Implementasi ESG Tribuana, Dhimas; Usman, Usman; Dayanti
Jurnal Teknologi dan Bisnis Cerdas Vol 1 No 1 (2025): Volume 1 Nomor 1 (Juni 2025)
Publisher : Plexi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64476/jtbc.v1i1.1

Abstract

Penelitian ini bertujuan untuk mengeksplorasi kontribusi Green Human Resource Management (GHRM) dalam mendukung implementasi Environmental, Social, and Governance (ESG) serta keberlanjutan organisasi melalui pendekatan Systematic Literature Review (SLR). Kajian ini menganalisis 30 artikel ilmiah yang diterbitkan antara tahun 2018 hingga 2025 dan memenuhi kriteria inklusi berupa fokus pada GHRM, ESG, serta penggunaan metode kuantitatif. Hasil sintesis menunjukkan bahwa GHRM memberikan kontribusi signifikan dalam lima tema utama, yaitu: (1) peningkatan kinerja lingkungan, (2) mendorong inovasi hijau, (3) pembentukan perilaku pro-lingkungan, (4) penguatan dimensi sosial organisasi seperti kepuasan dan retensi karyawan, serta (5) integrasi GHRM ke dalam strategi ESG yang holistik. Temuan ini menggarisbawahi pentingnya peran strategis GHRM dalam mendukung transformasi organisasi menuju keberlanjutan jangka panjang. Studi ini memberikan implikasi penting bagi manajemen sumber daya manusia dan pembuat kebijakan untuk mengintegrasikan nilai-nilai keberlanjutan ke dalam sistem manajerial. Penelitian selanjutnya disarankan untuk menggunakan pendekatan campuran, memperluas konteks sektor dan wilayah, serta mengembangkan studi longitudinal untuk mendalami pengaruh jangka panjang GHRM terhadap kinerja ESG.
Analisis Perbandingan Employee Wellbeing terhadap Kinerja Pegawai pada Tiga Sektor Industri Tribuana, Dhimas; Usman, Usman; Dayanti, Dayanti
Jurnal Teknologi dan Bisnis Cerdas Vol 1 No 1 (2025): Volume 1 Nomor 1 (Juni 2025)
Publisher : Plexi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64476/jtbc.v1i1.2

Abstract

Penelitian ini bertujuan untuk menganalisis perbedaan tingkat employee wellbeing dan kinerja pegawai pada tiga sektor industri strategis di Kota Makassar, yaitu pendidikan tinggi, kesehatan, dan perbankan. Metode penelitian yang digunakan adalah pendekatan kuantitatif komparatif dengan melibatkan 225 responden, masing-masing 75 pegawai dari setiap sektor. Instrumen penelitian diuji reliabilitasnya menggunakan Cronbach’s Alpha dan dianalisis menggunakan ANOVA satu arah dan uji lanjut Tukey HSD. Hasil penelitian menunjukkan bahwa terdapat perbedaan signifikan dalam tingkat employee wellbeing dan kinerja pegawai antar sektor. Sektor perbankan dan keuangan menunjukkan tingkat kesejahteraan dan kinerja tertinggi, disusul oleh pendidikan tinggi, sementara sektor kesehatan menunjukkan nilai terendah. Temuan ini mengindikasikan bahwa konteks industri memengaruhi kondisi kesejahteraan dan performa kerja pegawai. Implikasi praktis dari penelitian ini memberikan arah penguatan manajemen sumber daya manusia berbasis sektor. Penelitian ini juga memberikan saran untuk pengembangan kajian lebih lanjut yang mempertimbangkan variabel mediasi atau moderasi serta pendekatan metodologi campuran dalam memahami dinamika kerja lintas industri.
Penerapan Natural Language Processing Untuk Analisis Sentimen Terhadap Layanan Publik Di Media Sosial Twitter Tribuana, Dhimas; Usman, Usman; Dayanti, Dayanti
Jurnal Teknologi dan Bisnis Cerdas Vol 1 No 1 (2025): Volume 1 Nomor 1 (Juni 2025)
Publisher : Plexi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64476/jtbc.v1i1.3

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menguji model klasifikasi sentimen publik terhadap layanan BPJS Ketenagakerjaan berdasarkan data media sosial Twitter. Metode yang digunakan adalah pendekatan kuantitatif eksperimental yang terdiri dari lima tahap, yaitu pengumpulan data, pra-pemrosesan teks, pelabelan data, ekstraksi fitur dan pelatihan model, serta evaluasi performa. Data dikumpulkan melalui API Twitter menggunakan kata kunci terkait layanan BPJS Ketenagakerjaan dengan total 4.357 tweet. Setelah pra-pemrosesan dan pelabelan, data bersih sebanyak 4.102 tweet diklasifikasikan ke dalam tiga kategori sentimen: positif, negatif, dan netral. Dua pendekatan representasi teks digunakan, yaitu TF-IDF dan IndoBERTweet embedding, yang kemudian diuji dengan algoritma pembelajaran mesin seperti Naive Bayes, SVM, Random Forest, dan Logistic Regression. Hasil penelitian menunjukkan bahwa model IndoBERTweet + Logistic Regression memberikan performa terbaik dengan akurasi 86,5% dan F1-score 85,6%. Temuan ini menegaskan efektivitas pretrained language models dalam memahami bahasa Indonesia informal di media sosial. Model yang dikembangkan memiliki potensi untuk digunakan sebagai sistem pemantauan opini publik secara real-time guna meningkatkan kualitas layanan BPJS Ketenagakerjaan. Penelitian selanjutnya disarankan mengeksplorasi penanganan sarkasme dan dataset multi-platform untuk meningkatkan generalisasi model.
Deteksi Sampah Otomatis Pada Lingkungan Terbuka Menggunakan YOLOV8 Dan Dataset Roboflow Tribuana, Dhimas; Usman, Usman; Dayanti, Dayanti
Jurnal Teknologi dan Bisnis Cerdas Vol 1 No 1 (2025): Volume 1 Nomor 1 (Juni 2025)
Publisher : Plexi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64476/jtbc.v1i1.4

Abstract

Peningkatan volume sampah di ruang publik menuntut solusi cerdas untuk mendeteksi dan mengelola kebersihan secara efisien. Penelitian ini bertujuan untuk mengembangkan sistem deteksi sampah otomatis berbasis model deteksi objek YOLOv8 dengan fokus pada lima kategori sampah: plastik, kertas, logam, kaca, dan lainnya. Dataset diperoleh dari platform Roboflow, kemudian dianotasi secara manual dan digunakan untuk melatih dua varian model YOLOv8, yaitu YOLOv8s dan YOLOv8l. Hasil pelatihan menunjukkan bahwa YOLOv8l mencapai mAP@0.5 sebesar 93,1% dan F1-score 91,1%, sementara YOLOv8s memberikan kecepatan inferensi lebih tinggi dengan akurasi yang kompetitif. Evaluasi lapangan terbatas dilakukan menggunakan kamera laptop dan smartphone di lingkungan terbuka seperti taman dan trotoar. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi sampah secara real-time dengan tingkat akurasi visual yang baik, meskipun terdapat penurunan performa pada objek kecil atau tertutup sebagian. Studi ini menunjukkan potensi besar model YOLOv8 dalam mendukung pengembangan sistem monitoring lingkungan berbasis visi komputer. Ke depan, integrasi ke perangkat edge dan pelatihan ulang dengan data lokal direkomendasikan untuk meningkatkan ketahanan model dalam kondisi nyata.
Co-Authors Abdul Latief Arda Ahmad, Andani Andani Achmad Baharuddin Baharuddin Budi Hermawan Dayanti Dayanti, Dayanti Dedi Triyanto Dewi Haryanti Agustan , Andi Dewi Haryanti Agustan, Andi Dianah, Koas Eman Suherman Fakbua, Nidanuch Firdania, Andi Halimah, Endang Hazriani Hazriani, Hazriani Hidayat Isiswanty Konate, Siaka Muhammad Resky, Andi Muhammad Rusli Puri Swastika Gusti Krisna Dewi Puspita Ayu, Novalinda Rael Astillero, Marlon Rahma Wahdiniwaty Ramdan Satra riswanto riswanto Said Uddin, Abu Syafei, M. Yani Umiyati, Hesti Usman Usman Whardani, Kristina Whardani Yuyun, Yuyun