Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Teknisi Innovative: Journal Of Social Science Research
Harlinda Rasvi Nabela
Universitas Selamat Sri
Humanities Computer Science & IT Economics, Econometrics & Finance Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Analisis Persediaan Material Gypsum, Pozzolan dan Batu Bara: Studi Kasus PT Semen Padang Nurhayati Lestari; Harlinda Rasvi Nabela
Innovative: Journal Of Social Science Research Vol. 3 No. 2 (2023): Innovative: Journal Of Social Science Research (Special Issue)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i2.1299

Abstract

Persediaan adalah hal penting karena digunakan untuk memenuhi pemakaian atau permintaan di masa mendatang. Risiko pada persediaan salah satunya adalah ketidakpastian. PT. Semen padang sebagai perusahaan semen terkemuka, memiliki permasalahan overstock pada 3 material tambahan, dimana persedian pengaman juga berlebih sehingga storage tidak mencukupi. Oleh karena itu dibutuhkan kendali persediaan salah satunya dengan metode MinMax. Metode ini tidak hanya menganalisis stok pengaman tapi juga menghitung maksimal stok, minimal stok, titik pemesanan kembali (ROP), order quantity dan frekuensi pemesanan per periode tertentu. Material gypsum melakukan pemesanan sebanyak 12 kali dengan Q 21.717,59 ton. Material pozzolan melakukan pemesanan sebanyak 120 kali dengan Q 4.281,77 ton. Dan untuk material batu bara melakukan pemesanan sebanyak 179 kali dengan Q 7.956 ton.
Analisis Pengukuran Kinerja dengan Menggunakan Pendekatan Balanced Scorecard: Studi Kasus Langgeng Food Kendal Harlinda Rasvi Nabela; Rian Fernandi
Innovative: Journal Of Social Science Research Vol. 3 No. 4 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i4.3303

Abstract

Balanced Scorecard merupakan suatu konsep pengukuran kinerja dengan empat perspektif yaitu keuangan, pelanggan, proses bisnis internal, serta pertumbuhan dan pembelajaran. Tujuan penelitian ini adalah untuk mengetahui ukuran kinerja pada UMKM Langgeng Food menggunakan pendekatan Balanced Scorecard berdasarkan empat perspektif.  Pada perspektif keuangan terdapat 6 aspek yaitu NPM, ROI, ROA, ROE dan TATO dimana sudah melampaui target perusahaan. Pada perspektif pelanggan, nilai kepuasan pelanggan sudah melampaui target, tetapi nilai customer acquisition belum mencapai target sehingga termasuk kategori kurang. Pada perspektif proses bisnis internal, nilai MCE sudah melampaui target perusahaan sehingga termasuk kategori baik. Pada perspektif pertumbuhan, nilai pelatihan karyawan dan nilai kepuasan karyawan sudah mencapai target perusahaan, namun pada retensi karyawan belum mencapai target dan termasuk dalam kategori kurang. Dari 11 indikator perspektif, 8 indikator sudah melampaui target, 1 indikator sudah sesuai, dan  2 indikator belum mencapai target.
Workshop Peningkatan Wawasan Konsep Rekayasa Hijau pada Sektor Infrastruktur dan Industri Wahyudiono Wahyudiono; Harlinda Rasvi Nabela; Muhammad Rezki Ian; Yohandika Tri Apriliyanto; Jamal .; Beta Arya Ash Shidik; Sufrotun Khasanah; Demmy Adhi Mulya Darma
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 9, No 2 (2026): MEI 2026
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v9i2.3297

Abstract

Selama sepuluh tahun terakhir, degradasi lingkungan dan perubahan iklim telah menjadi masalah global yang tidak dapat diabaikan, memaksa negara-negara untuk mencari solusi yang dapat mendorong pelestarian lingkungan dan kemakmuran ekonomi secara bersamaan. Manusia dapat membangun masa depan yang lebih berkelanjutan bagi generasi mendatang dengan mengintegrasikan prinsip-prinsip hijau ke dalam pengembangan industri dan infrastruktur. Secara global 40% emisi karbon global berasal dari rantai nilai konstruksi, yang meliputi pembangunan dan pemeliharaan struktur serta pembuatan material seperti baja dan semen. Adapun rincian 40% emisi global, dari infrastruktur sebesar 20,4% dan 18,7% dari industri pembuatan material. Sektor hijau telah berevolusi dari konsep idealis menjadi tujuan strategis yang krusial bagi pemerintah dan perusahaan di seluruh dunia seiring dengan meningkatnya komitmen global terhadap tujuan pembangunan berkelanjutan (SDGs). Untuk memberikan pemahaman kepada generasi yang akan datang bahwa pentingnya sektor hijau, maka Universitas Selamat Sri yang berperan krusial sebagai pencetak lulusan berkompeten mengadakan workshop kuliah.Mahasiswa diharapkan memiliki wawasan tambahan tentang pentingnya infrastruktur dan industri yang mengutamakan aspek lingkungan. Sebelum workshop dimulai, mahasiswa yang memahami tentang konsep rekayasa hijau hanya berjumlah 9 mahasiswa (20%) dari total 45 mahasiswa. Setelah mengikuti kegiatan workshop rekayasa hijau menunjukkan peningkatan yang signifikan, bertambah menjadi 91% atau sebanyak 41 mahasiswa dari 45 mahasiswa.
Analysis Of The Convolutional Neural Network Method With Mobilenet Architecture In A Computer Vision-Based Industrial Waste Detection System Tresi Aprilia; Harlinda Rasvi Nabela; Beta Arya Ash Shidik
JURNAL TEKNISI Vol. 6 No. 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v6i1.5559

Abstract

Abstract: Industrial waste has had a negative impact on the environment and human health. Industrial waste pollution can occur due to improperly managed waste disposal. Managing industrial waste can be one way to reduce the impact of environmental pollution. Checking industrial waste can be a solution for implementing oversight of waste management, but it will be difficult to implement if done in a large industrial area. Waste classification based on organic and non-organic waste categories. Convolutional Neural Networks (CNNs) and MobileNet can be applied to automatically detect organic and non-organic industrial waste systems. Researchers have conducted a comparative study between the Convolutional Neural Network (CNN) and MobileNet models, which is useful for obtaining the best model. The results of the analysis concluded that MobileNet has better accuracy, precision, and recall compared to the CNN model. The accuracy, precision, and recall generated by MobileNet are 99.5%, 99.4%, and 100%. Therefore, MobileNet is very suitable for implementation in an automatic industrial waste detection system in real-time applications.   Keyword: computer vision;  convolutional neural network (CNN); deep learning; industrial waste; mobilenet.  Abstrak: Limbah industri telah mengakibatkan dampak buruk bagi lingkungan dan kesehatan manusia. Pencemaran limbah industri dapat terjadi akibat pembuangan limbah yang tidak terkelola dengan baik. Pengelolaan limbah industri dapat menjadi salah satu cara untuk mengurangi dampak pencemaran lingkungan. Pengecekan limbah industri dapat menjadi solusi untuk menerapkan pengawasan terhadap pengelolaan limbah, namun akan sulit diterapkan jika dilakukan pada area industri yang luas. Klasifikasi limbah berdasarkan kategori limbah organik dan limbah non organik. Convolutional Neural Network (CNN) dan MobileNet dapat diterapkan untuk sistem pendeteksi limbah industri organik dan non organik secara otomatis. Peneliti telah melakukan studi komparatif antara model Convolutional Neural Network (CNN) dan MobileNet yang berguna untuk memperoleh model terbaik. Hasil analisa yang telah dilakukan menyimpulkan bahwasanya MobileNet mempunyai akurasi, precision dan recall yang lebih baik jika dibandingkan dengan model CNN. Akurasi, precision dan recall yang dihasilkan oleh MobileNet sebesar 99,5% 99,4% dan 100%. Oleh karena itu, MobileNet sangat cocok untuk diterapkan pada sistem deteksi limbah industri secara otomatis pada aplikasi real-time.Kata kunci: computer vision; convolutional neural network (CNN); limbah industri; mobilenet; pembelajaran mendalam.
Co-Authors Beta Arya Ash Shidik Demmy Adhi Mulya Darma Jamal . Muhammad Rezki Ian Nurhayati Lestari Rian Fernandi Sufrotun Khasanah Tresi Aprilia Wahyudiono Wahyudiono Yohandika Tri Apriliyanto