MUJAHID, Dhiemas Fatah (2022) Klasifikasi Penutupan Lahan Berdasarkan Sni7645-2010 Pada Citra Satelit Menggunakan Convolutional Neural Network (Cnn). Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (cover) COVER-Dhiemas Fatah Mujahid-H1A017007-Tugas Akhir-2022.pdf Download (186kB)
	PDF (Legalitas) LEGALITAS-Dhiemas Fatah Mujahid-H1A17007-Tugas Akhir-2022.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Dhiemas Fatah Mujahid-H1A017007-Tugas Akhir-2022.pdf Download (387kB)
	PDF (BabI) BAB-I-Dhiemas Fatah Mujahid-H1A017007-Tugas Akhir-2022.pdf Restricted to Repository staff only until 11 August 2023. Download (642kB)
	PDF (BabII) BAB-II-Dhiemas Fatah Mujahid-H1A017007-Tugas Akhir-2022.pdf Restricted to Registered users only until 11 August 2023. Download (3MB)
	PDF (BabIII) BAB-III-Dhiemas Fatah Mujahid-H1A17007-Tugas Akhir-2022.pdf Restricted to Repository staff only until 11 July 2023. Download (684kB)
	PDF (BabIV) BAB-IV-Dhiemas Fatah Mujahid-H1A17007-Tugas Akhir-2022.pdf Restricted to Repository staff only Download (9MB)
	PDF (BabV) BAB-V-Dhiemas Fatah Mujahid-H1A017007-Tugas Akhir-2022.pdf Restricted to Registered users only Download (331kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Dhiemas Fatah Mujahid-H1A17007-Tugas Akhir-2022.pdf Restricted to Repository staff only Download (363kB)
	PDF (Lampiran) LAMPIRAN-Dhiemas Fatah Mujahid-H1A017007-Tugas Akhir-2022.pdf Restricted to Repository staff only Download (4MB)

Abstract

Peningkatan pengubahan lahan ekologi menjadi lahan ekonomi membuat lahan ekologi semakin terkikis. Untuk memastikan ketersediaan lahan ekologi yang cukup, pemerintah melalui lembaga terkait dapat melakukan penginderaan jarak jauh. Salah satu metode penginderaan jarak jauh, yaitu melihat melalui satelit.Namun metode penginderaan jarak jauh yang ada saat ini belum efisien karena memerlukan cost yang besar. Dengan memanfaatkan CNN yang merupakan jenis deep neural learning dikenal sangat baik dalam melakukan klasifikasi citra, maka untuk efisiensi waktu dan sdm, peneliti merancang learning system menggunakan RESNET-50 dan VGG-16. Proses klasifikasi menggunakan CNN dilakukan berdasarkan SNI7645-2010 sesuai dengan kenampakan alam Indonesia. Sebanyak 48.687 citra satelit dari SASPlanet berukuran 0,3m/piksel akan diklasifikasikan pada pelatihan RESNET-50 dan VGG-16 ke dalam enam kelas, yaitu sawah, hutan sawit, perkebunan, tanah lapang, permukiman, dan perairan. Setelah itu arsitektur RESNET-50 dan VGG-16 yang sudah dilatih akan menghadapi testing. Hasil dari proses testing yaitu, akurasi RESNET-50 92% sedangkan VGG-16 89% dengan pendistribusian data yang baik dari kedua arsitektur CNN. System learning yang dibangun pada penelitian ini juga mampu menghitung luas piksel kelas tertentu dari suatu citra.

Actions (login required)

View Item