Perpustakaan Digital ITB

Informasi geospasial skala rinci merupakan elemen penting untuk perencanaan dan pengambilan keputusan. Informasi penutup lahan merupakan data paling fundamental yang mempengaruhi pemahaman terhadap pengambilan keputusan. Data ini dapat digunakan untuk memahami berbagai fenomena spasial seperti perubahan lingkungan, laju urbanisasi, dan manajemen sumber daya baik alam maupun infrastruktur. Untuk mendapatkan data penutup lahan yang bermakna perlu melalui tahapan interpretasi dan digitize on-screen secara manual yang memerlukan waktu dan dipengaruhi oleh tingkat kedetailan serta luasan area, dimana semakin detail dan luas maka waktu serta biaya juga akan semakin bertambah. Disamping itu, sering terdapat error pada saat proses digitasi maupun interpretasi sehingga diperlukan suatu metode yang lebih efisien untuk mendapatkan data penutup lahan yang akurat, cepat, dan lebih sedikit error. Metode yang ditawarkan adalah segmentasi semantik menggunakan machine learning pada orthophoto dengan deep convolutional neural network U-Net. Metode ini banyak diterapkan pada bidang biomedis dan penglihatan komputer pada kendaraan autonomous. Metode ini mampu membuat prediksi kelas lahan yang akurat melalui pemahaman yang mendalam terhadap gambar dan meyimpan data dengan konsisten. Berdasarkan kelas lahan yang dibagi menjadi lima kategori yang terdiri dari bangunan, hutan, air, jalan, dan latar belakang (area yang tidak di klasifikasikan) dapat menghasilkan mean Intersection of Union (mIoU) yang bervariasi cukup akurat dimulai dari mean IoU 0,7449 sampai dengan 0,8100 dengan bagian tepi hasil prediksi lebih halus dibandingkan dengan data label sehingga menghasilkan segmentasi dengan mengikuti pola bentuk pada gambar objek pada gambar uji. Bahkan hasil segmentasi di tampilkan pada objek jalan yang terhalang oleh piksel berupa bayangan dari efek sinar matahari dari kanopi pepohonan dengan hasil jalan tersegmentasi seolah tidak terpengaruh oleh piksel bayangan kanopi tersebut. hasil rangkaian penelitian ini menunjukkan keunggulan terutama dalam hal keakuratan, adaptabilitas, dan kemampuan menangani masalah yang kompleks.