UIGMUIGM

Journal Of Plano StudiesJournal Of Plano Studies

Identifikasi permukiman berbasis citra satelit telah menjadi pendekatan penting dalam mendukung perencanaan kota, manajemen bencana, dan pemetaan wilayah. Studi ini mengevaluasi efektivitas teknik pengenalan permukiman dengan memanfaatkan citra resolusi tinggi dan model kecerdasan buatan (AI), khususnya metode deep learning berbasis convolutional neural networks (CNN) dan rekognisi obyek. Faktor-faktor utama yang mempengaruhi akurasi identifikasi meliputi resolusi spasial citra, kualitas preprocessing, keberagaman data latih, serta kompleksitas geografis kawasan yang diamati. Berdasarkan hasil analisis, penggunaan citra resolusi tinggi dikombinasikan dengan rekognisi gambar oleh AI seperti Google Gemini dan ChatGPT mampu menghasilkan akurasi dalam menghitung jumlah bangunan sebesar 68,4%. Nilai ini cenderung rendah untuk mencapai tingkat akurasi yang tinggi dalam menghitung jumlah bangunan sehingga tidak disarankan untuk menghitung jumlah bangunan secara akurat, namun bisa digunakan untuk menentukan ketersediaan perumahan dalam nilai rentang. Namun untuk menganalisis kepadatan bangunan, AI dapat menghasilkan gambar yang kompleks sesuai dengan kondisi gambar yang diberikan. Dalam proses ini, diperlukan pemilihan sumber data yang baik dan pemilihan command yang tepat untuk meningkatkan efektivitas pengenalan suatu bangunan, terutama di area dengan struktur spasial yang kompleks dalam konteks bidang perencanaan wilayah dan kota serta migitasi bencana.

Penelitian ini membahas tentang pentingnya pengenalan citra sebagai komponen kunci dalam pengembangan sistem kecerdasan buatan, khususnya untuk identifikasi objek otomatis.Dengan menggunakan metode ekstraksi fitur dan klasifikasi berdasarkan vektor fitur, sistem pengenalan citra dapat mengubah data visual menjadi informasi yang bermakna.Penelitian ini menunjukkan bahwa akurasi sistem tersebut sangat bergantung pada teknik ekstraksi fitur dan algoritma klasifikasi yang digunakan.Oleh karena itu, pemilihan command dan sumber data yang tepat menjadi faktor kunci dalam meningkatkan kinerja sistem pengenalan citra.Temuan penelitian ini berkontribusi pada pemahaman yang lebih dalam dan implementasi praktis di bidang pengolahan citra digital dan kecerdasan buatan menuju perencanaan kota dan mitigasi bencana, serta bagaimana AI akan segera mampu menghubungkan semua titik menuju pembangunan berkelanjutan.

Untuk penelitian lanjutan, disarankan untuk melakukan analisis lebih mendalam tentang pengaruh kualitas data dan pemilihan command pada akurasi pengenalan bangunan. Selain itu, perlu dipertimbangkan untuk mengembangkan model AI yang lebih adaptif dan mampu belajar dari data yang beragam, terutama dalam konteks wilayah dengan struktur spasial kompleks. Penelitian ini juga dapat diperluas dengan mengintegrasikan data dari sumber lain, seperti data sensus atau data lapangan, untuk meningkatkan akurasi dan relevansi hasil analisis. Dengan demikian, penelitian lanjutan dapat memberikan kontribusi yang lebih signifikan dalam bidang perencanaan wilayah dan kota, serta mitigasi bencana.

  1. Utilization of Spatial Data for Analysis of Land Use Change in Karya Jaya Village, Kertapati District,... doi.org/10.36982/jtg.v12i01.3158Utilization of Spatial Data for Analysis of Land Use Change in Karya Jaya Village Kertapati District doi 10 36982 jtg v12i01 3158
Read online
File size883.37 KB
Pages12
DMCAReport

Related /

ads-block-test