PENERAPAN PRE-TRAINED RESNET-50 PADA ARSITEKTUR U-NET UNTUK SEGMENTASI BANGUNAN DAN NON-BANGUNAN PADA CITRA SATELIT

Septuwuryanto, Satria (2025) PENERAPAN PRE-TRAINED RESNET-50 PADA ARSITEKTUR U-NET UNTUK SEGMENTASI BANGUNAN DAN NON-BANGUNAN PADA CITRA SATELIT. Skripsi thesis, UPN Veteran Yogyakarta.

	Text COVER_123190159_SatriaSeptuwuryanto_Skripsi.pdf Download (211kB)
	Text ABSTRAK_123190159_SatriaSeptuwuryanto.pdf Download (116kB)
	Text LEMBAR PENGESAHAN PEMBIMBING.pdf Download (64kB)
	Text LEMBAR PENGESAHAN PENGUJI.pdf Download (71kB)
	Text DAFTAR ISI_123190159_SatriaSeptuwuryanto_Skripsi.pdf Download (133kB)
	Text DAFTAR PUSTAKA_123190159_SatriaSeptuwuryanto_Skripsi.pdf Download (123kB)
	Text 123190159_SatriaSeptuwuryanto_Skripsi 10.56.40.pdf Restricted to Repository staff only Download (11MB)

Abstract

Pendataan bangunan menjadi sangat penting untuk beberapa bidang, seperti seperti perencanaan tata ruang, mitigasi bencana, dan pengelolaan sumber daya alam. Secara praktiknya, pendataan bangunan diidentifikasi secara manual dengan survey lapangan. Hal tersebut tentunya memakan waktu dan biaya untuk melakukan pendataan terutama pada tempat yang sulit dijangkau. Oleh karena itu, diperlukan teknologi pemetaan bangunan berbasis citra karena mampu mencakup wilayah yang luas untuk meminimalisir dana yang dikeluarkan dan waktu yang relative lebih singkat dalam proses pendataan. Pada penelitian ini, dilakukan segmentasi bangunan menggunakan arsitektur U-Net dengan Transfer Learning menggunakan pre-trained ResNet-50 untuk mendeteksi dan membedakan antara area bangunan dan non-bangunan dalam citra satelit. Dataset yang digunakan dalam penelitian ini sebanyak 5175 set citra yang bersumber dari Citra Satelit GF-7 Tiongkok dengan ukuran citra 512 x 512 pixel dalam format .tif. Dataset sudah terbagi menjadi training data, validation data, dan test data masing-masing sebesar 60%, 20%, dan 20%.

Berdasarkan pengujian yang telah dilakukan menggunakan confussion matrix, menggunakan epoch 100 dengan early stop, batch size 8, resize input 512 x 512 pixel dengan optimizer ADAM menggunakan learning rate 0.001. Model U-Net dengan pre-trained ResNet-50 memiliki nilai IoU sebesar 0,7538.

Kata kunci: Segmentasi bangunan, U-Net, pre-trained ResNet-50

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Segmentasi bangunan, U-Net, pre-trained ResNet-50
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > Informatika (S1)
Depositing User:	A.Md Eko Suprapti
Date Deposited:	23 Apr 2025 02:35
Last Modified:	25 Jul 2025 07:14
URI:	http://eprints.upnyk.ac.id/id/eprint/42445

Actions (login required)

View Item