Ekstraksi Fitur Geografis Untuk Mendukung Kota Lengkap Menggunakan Metode Deep Learning

Kisworini, Ita Dwi (2023) Ekstraksi Fitur Geografis Untuk Mendukung Kota Lengkap Menggunakan Metode Deep Learning. Masters thesis, Fakultas Teknik Sipil, Perencanaan dan Kebumian.

Text 6016211002-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (11MB) | Request a copy

Abstract

Salah satu indikator percepatan kemudahan dalam berinvestasi adalah pendaftaran tanah sebagai sebagai kepastian dan perlindungan hukum atas aset properti. Pendaftaran Tanah Sistematis Lengkap (PTSL) merupakan upaya pembangunan data seluruh bidang tanah baik data fisik maupun data yuridis secara cepat dan akurat. Penggunaan deep learning dalam percepatan pembuatan peta menjadi salah satu contoh konkrit dalam memasuki era baru revolusi industri. Keuntungan dari metode deep learning adalah percepatan proses dalam pembuatan peta kota lengkap sebagai perwujudan pendaftaran tanah sistematis lengkap. Terkendalanya jumlah sumber daya manusia menjadi masalah utama dalam pengukuran fitur-fitur geografis untuk mewujudkan kota lengkap. Hal ini dapat
diatasi dengan menggunakan otomatisasi dalam mengekstraksi jaringan jalan dan sungai. Orthofoto lebih dapat menunjukkan lokasi semua fenomena yang tampak secara benar, sehingga memungkinkan pengukuran-pengukuran luas, jarak, dan
jurusan secara tepat dan akurat. Metode deep learning bisa diterapkan pada orthofoto dan LIDAR untuk mendeteksi unsur-unsur rupabumi, seperti jalan atau sungai. Pemilihan rasio menentukan dalam model deteksi object. Hasil ektraksi
object dengan rasio 80:20 lebih baik daripada rasio 70:30. Polygon yang dihasilkan lebih full sehingga konsumsi waktu processing lebih sedikit. Pada rasio 80:20 dibutuhkan total waktu 11 jam 45 menit untuk mendapatkan ekstraksi otomatis fitur jalan, sedangkan untuk fitur sungai dibutuhkan total waktu 2 jam 38 menit yang menghasilkan overall accuracy 96,15%. Polygon hasil ekstraksi belum dapat digunakan untuk peta bidang tanah.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	deep learning, ektraksi fitur jalan, ekstraksi fitur sungai, orthofoto
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G70.217 Geospatial data
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29101-(S2) Master Thesis
Depositing User:	Ita Dwi Kisworini
Date Deposited:	10 Aug 2023 03:33
Last Modified:	10 Aug 2023 03:33
URI:	http://repository.its.ac.id/id/eprint/102781

Actions (login required)

View Item