Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JURIKOM (Jurnal Riset Komputer) PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer
Hidayah, Adinda Fita
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering

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

Found 3 Documents
Search

 1 
PENDETEKSIAN DAN PENGHITUNGAN KENDARAAN MENGGUNAKAN ALGORITMA COUNTER DALAM KONTEKS PENGOLAHAN CITRA Supiyandi; Hidayah, Adinda Fita; Luthfie Budie; Rasendriya, Rafif; Berutu, Nurhalijah; Fahraini, Fakhita
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 2 (2024): Prosisko Vol. 11 No. 2 September 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i2.8918

Abstract

Peningkatan jumlah kendaraan di jalan raya telah menciptakan tantangan besar dalam manajemen lalu lintas. Pengelolaan yang efisien memerlukan sistem yang dapat mendeteksi dan menghitung jumlah kendaraan secara real-time. Algoritma Counter, yang menggabungkan teknik background subtraction dan object tracking, menawarkan solusi potensial untuk tantangan ini. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi efektivitas algoritma tersebut dalam konteks pengolahan citra digital. Hasil penelitian menunjukkan bahwa algoritma Counter mampu mendeteksi dan menghitung kendaraan dengan akurasi tinggi di berbagai kondisi pencahayaan dan kepadatan lalu lintas
PENDETEKSIAN DAN PENGHITUNGAN KENDARAAN MENGGUNAKAN ALGORITMA COUNTER DALAM KONTEKS PENGOLAHAN CITRA Supiyandi; Hidayah, Adinda Fita; Luthfie Budie; Rasendriya, Rafif; Berutu, Nurhalijah; Fahraini, Fakhita
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 2 (2024): Prosisko Vol. 11 No. 2 September 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i2.8918

Abstract

Peningkatan jumlah kendaraan di jalan raya telah menciptakan tantangan besar dalam manajemen lalu lintas. Pengelolaan yang efisien memerlukan sistem yang dapat mendeteksi dan menghitung jumlah kendaraan secara real-time. Algoritma Counter, yang menggabungkan teknik background subtraction dan object tracking, menawarkan solusi potensial untuk tantangan ini. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi efektivitas algoritma tersebut dalam konteks pengolahan citra digital. Hasil penelitian menunjukkan bahwa algoritma Counter mampu mendeteksi dan menghitung kendaraan dengan akurasi tinggi di berbagai kondisi pencahayaan dan kepadatan lalu lintas
Rekomendasi Klasifikasi Dan Desain Otomatis Menu Restoran Kopi XYZ Berbasis Web Menggunakan Metode Naïve Bayes Hidayah, Adinda Fita; Hasugian, Abdul Halim
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 6 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i6.9364

Abstract

Abstract The advancement of information technology has accelerated digital transformation in the culinary industry, particularly in menu management, which demands fast, structured, and error-minimized processes. In many MSMEs, menu classification and design activities are still performed manually, resulting in inefficiencies. This study developed a web-based system capable of automatically classifying menu categories using the Multinomial Naïve Bayes algorithm and generating menu designs automatically. The dataset consists of 148 menu items covering food, beverages, and snacks. The features used include text-based menu names processed using TF-IDF, as well as numerical price attributes. The data were split into 80% training and 20% testing portions. The results show that the Multinomial Naïve Bayes model achieved the best performance with an accuracy of 93.24%, a precision of 0.92, a recall of 0.93, and an F1-score of 0.92. These values demonstrate the model’s ability to consistently recognize word patterns representing menu categories. The system also successfully generated menu template designs automatically based on the classification results. This research contributes to the application of data mining in the culinary sector and supports MSMEs in improving the effectiveness of menu management.
Co-Authors Abdul Halim Hasugian Berutu, Nurhalijah Fahraini, Fakhita Luthfie Budie Rasendriya, Rafif Supiyandi Supiyandi