E GREENATIONE GREENATION

Greenation International Journal of Engineering ScienceGreenation International Journal of Engineering Science

Penelitian ini bertujuan mengembangkan metode deteksi objek menggunakan citra satelit untuk memantau perubahan penggunaan lahan dari tahun 2010 hingga 2025. Metode yang digunakan adalah Convolutional Neural Networks (CNN), sebuah teknik deep learning, untuk menganalisis perubahan penggunaan lahan, termasuk ekspansi urban, konversi lahan pertanian, dan deforestasi. Data citra satelit dari program Sentinel‑2 dan Landsat diproses melalui koreksi geometrik dan radiometrik, penghilangan awan, serta normalisasi citra untuk meningkatkan kualitas data. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mencapai akurasi keseluruhan sebesar 92 %, dengan tingkat presisi dan recall yang tinggi pada kategori tanah urban dan pertanian. Model tersebut juga berhasil mendeteksi perubahan penggunaan lahan dengan akurasi 90 %, terutama ekspansi urban dengan recall 95 %. Perbandingan dengan metode tradisional, seperti klasifikasi berbasis piksel dan thresholding, menunjukkan bahwa model CNN mengungguli metode tersebut dalam hal akurasi dan presisi. Penelitian ini menunjukkan bahwa teknik deep learning, khususnya CNN, dapat secara efektif digunakan untuk pemantauan otomatis penggunaan lahan menggunakan citra satelit, memberikan wawasan berharga bagi perencanaan urban, pemantauan lingkungan, dan manajemen sumber daya alam. Namun, tantangan seperti resolusi citra dan interferensi awan tetap perlu diatasi dalam studi selanjutnya untuk meningkatkan akurasi deteksi perubahan penggunaan lahan.

Model CNN yang dikembangkan mampu secara akurat mendeteksi dan memantau perubahan penggunaan lahan, khususnya ekspansi urban dan deforestasi, dengan akurasi keseluruhan 92 % dan 90 % pada deteksi perubahan.Metode ini menunjukkan keunggulan dibandingkan metode tradisional, menyoroti potensi deep learning dalam aplikasi remote sensing.Pengembangan lebih lanjut diperlukan untuk meningkatkan ketahanan terhadap awan dan resolusi citra.

Penelitian selanjutnya dapat meneliti integrasi data multi-temporal dan multi-sumber, seperti radar dan LiDAR, untuk memperkaya informasi spasial dan mengurangi dampak awan yang masih mengganggu akurasi model. Selain itu, eksplorasi teknik deteksi awan yang lebih canggih, misalnya dengan model generatif atau penyaringan adaptif, dapat meningkatkan kehandalan citra yang digunakan. Terakhir, penerapan skenario real‑time menggunakan data satelit berfrekuensi tinggi dapat membuka jalan bagi monitoring kontinu perubahan wilayah perkotaan, sehingga membantu pengambil kebijakan membuat keputusan yang lebih responsif dan berbasis data.

  1. Vol. 2 No. 4 (2025): (GIJES) Greenation International Journal of Engineering Science (December 2024 -... research.e-greenation.org/GIJES/issue/view/33Vol 2 No 4 2025 GIJES Greenation International Journal of Engineering Science December 2024 research e greenation GIJES issue view 33
Read online
File size582.42 KB
Pages9
DMCAReport

Related /

ads-block-test