Article Per Year (5 Year)
p-Index From 2021 - 2026
2.127
P-Index
This Author published in this journals
All Journal Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Teknik Industri Terintegrasi (JUTIN) Jurnal Teknisi Jurnal Sosial dan Abdimas Innovative: Journal Of Social Science Research Jurnal Inovasi Hasil Pengabdian JERA : Journal of Engineering Research and Application
Harlinda Rasvi Nabela
Universitas Selamat Sri
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Public Health Social Sciences Transportation Other

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

Found 13 Documents
Search

 1   2 
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.
Analisis Penyebab Kendala Penyumbatan Fly Ash Pada Hopper (Studi Kasus Pada Pt Xyz) Harlinda Rasvi Nabela; Sufrotun Khasanah; Heri Yusuf
JERA : Journal of Engineering Research and Application Vol 5 No 2 (2026): JERA : Journal of Engineering Research and Application
Publisher : Fakultas Teknik dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51792/xf1kmq33

Abstract

Penelitian ini bertujuan untuk menganalisis penyebab kendala penyumbatan fly ash pada hopper di sistem fabric filter PT XYZ serta memberikan usulan perbaikan untuk mengurangi risiko terjadinya masalah serupa. Metode yang digunakan adalah analisis fishbone untuk mengidentifikasi faktor penyebab, dan Failure Mode and Effect Analysis (FMEA) untuk menentukan tingkat risiko melalui perhitungan Risk Priority Number (RPN). Hasil analisis fishbone menunjukkan bahwa penyebab kendala pada hopper berasal dari empat faktor utama, yaitu manusia, metode, mesin, dan material. Berdasarkan hasil perhitungan FMEA, nilai RPN tertinggi diperoleh pada kendala penumpukan fly ash sebesar 275,18, diikuti kebocoran atau lepasnya hose sebesar 159,5, faktor metode sebesar 26,46, dan faktor manusia sebesar 15,6. Nilai RPN yang tinggi pada penyumbatan fly ash menunjukkan perlunya perhatian khusus untuk mengatasi permasalahan tersebut. Usulan perbaikan yang diberikan antara lain melakukan pengecekan dan perawatan rutin pada hopper, meningkatkan prosedur inspeksi dan pemeliharaan, memberikan pelatihan kepada operator mengenai prosedur pengoperasian hopper, serta memastikan pemahaman terhadap mode otomatis dan manual pada sistem fabric filter. Dengan penerapan usulan perbaikan ini, diharapkan risiko penyumbatan fly ash pada hopper dapat diminimalisir, sehingga proses produksi di PT XYZ dapat berjalan lebih efektif, efisien, dan berkesinambungan.
Co-Authors Aprilia, Tresi Beta Arya Ash Shidik Beta Arya Ash Shidik Demmy Adhi Mulya Darma Dewi, Adhisty Kartika Ezar Amrullah Heri Yusuf Jamal . Muhammad Rezki Ian Muhammad Zulfa Dimastiar Nurhayati Lestari Prasetyo Probokusumo Qori Afiata Fiddina Rian Fernandi Shidik, Beta Arya Ash Sufrotun Khasanah Sufrotun Khasanah Tresi Aprilia Wahyu Sidiq Saputra Wahyudiono Wahyudiono Yohandika Tri Apriliyanto