Claim Missing Document
Check
Articles

Found 2 Documents
Search

Transfer Learning with VGG-16 for Image Classification of Endemic Papuan Orchids Iftinan Mardhiyyah; Christian D. Suhendra; Agustina Y. S. Arobaya
Indonesian Journal of Data and Science Vol. 6 No. 3 (2025): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v6i3.355

Abstract

This study applies a transfer-learning approach using the VGG16 architecture to classify three Papuan endemic orchid species—Dendrobium spectabile, Dendrobium lineale, and Dendrobium mirbelianum. A total of 810 field-photographed images were collected, followed by preprocessing and data augmentation to enhance data diversity. The VGG16 model pretrained on ImageNet was used as a fixed feature extractor by freezing its convolutional layers and removing the fully connected layers, while a custom classification head was added to distinguish among the three species. Experimental results demonstrated a validation accuracy of 94.44% and a macro-average F1-score of 0.94, confirming the robustness of the model under limited-data conditions. These findings suggest that transfer learning using VGG16 can effectively support orchid species recognition and serve as a foundation for developing AI-based biodiversity monitoring and conservation systems in Indonesia
Rancang Bangun Aplikasi Field Mapping dan Manajemen Operasi Lapangan (GeoTrackOps) Berbasis Geospatial Menggunakan Metode Scrum. Farrel N. D. Mamengko; Christian D. Suhendra; David V. Mamengko; Iban Getarjati
JUKI : Jurnal Komputer dan Informatika Vol. 8 No. 1 (2026): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53842/juki.v8i1.2149

Abstract

Penelitian ini bertujuan untuk merancang dan membangun GeoTrackOps sebagai aplikasi pemetaan lapangan dan manajemen operasi geologi berbasis geospasial yang terintegrasi. Permasalahan utama dalam kegiatan lapangan geologi adalah penggunaan metode manual dan sistem yang terpisah, sehingga berpotensi menimbulkan ketidakkonsistenan data, kehilangan informasi, serta kesulitan validasi, terutama pada wilayah dengan keterbatasan konektivitas. Metode penelitian meliputi pengumpulan data melalui wawancara, observasi, dan studi literatur, analisis serta perancangan sistem menggunakan pemodelan Unified Modeling Language, dan pengembangan perangkat lunak dengan kerangka kerja Scrum secara iteratif. GeoTrackOps dikembangkan sebagai aplikasi mobile berbasis web dengan pendekatan offline-first yang mendukung pencatatan lokasi dan waktu, dokumentasi foto tergeospasial, pencatatan deskriptif berbasis suara, validasi data berbasis peran, serta pemantauan terpusat. Hasil penelitian menunjukkan bahwa GeoTrackOps mampu meningkatkan efisiensi, akurasi, dan keterlacakan data operasi lapangan secara menyeluruh. Selain itu, GeoTrackOps memiliki potensi sebagai kerangka awal menuju pengembangan sistem pemetaan lapangan yang lebih terotomatisasi untuk meminimalkan risiko kerja lapangan, khususnya di wilayah frontier atau terpencil.