Murfid, Aqil and Ferzha, Putra Utama and Arie, Vatresia (2023) STUDI KOMPARASI KINERJA CONVOLUTIONAL NEURAL NETWORK DAN INCEPTIONRESNET-V2 PADA KLASIFIKASI TUTUPAN LAHAN PULAU SULAWESI. Undergraduated thesis, Universitas Bengkulu.
Archive (Thesis)
Bebas Perpus - Murfid Aqil.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (4MB) |
Abstract
Informasi tutupan lahan yang akurat merupakan faktor penting dalam memahami fenomena yang terjadi di permukaan Bumi, menyediakan basis data yang diperlukan untuk berbagai penelitian dan menjadi dasar perencanaan lahan. Penggunaan citra remote sensing dapat dimanfaatkan untuk membuat model klasifikasi tutupan lahan pada Pulau Sulawesi. Data citra yang digunakan merupakan data citra satelit Landsat 8 OLI pada tahun 2013-2022. Total data citra yang dihimpun berjumlah 1250 dengan jumlah masing-masing citra per kelas sebanyak 250. Penelitian ini melakukan komparasi metode Convolutional Neural Network (CNN) dan InceptionResNet-V2 dengan menghasilkan 5 kelas jenis tutupan lahan yaitu hutan, kebun, pemukiman, sawah dan tambang. Tahapan yang dilakukan pada penelitian ini terdiri dari 3 tahapan utama yaitu pengumpulan data, klasifikasi citra dan analisis hasil klasifikasi. Tahapan tersebut menggunakan perangkat lunak Google Earth Engine, Google Collab dan QGIS. Hasil penelitian menunjukkan bahwasannya komparasi antara metode klasifikasi yang dilakukan menghasilkan InceptionResNet-V2 memiliki akurasi yang lebih tinggi (0.982) dibandingkan dengan CNN (0.924), menjadikannya pilihan yang lebih baik dalam hal akurasi. Akan tetapi, kemampuan daripada InceptionResNet-V2 dalam menghasilkan inference citra kurang baik dibandingkan dengan CNN karena metode ini hanya dapat menerima 3 channel warna Red, Green, Blue. Sedangkan, data citra satelit yang tersedia memiliki 4 channel dengan Alpha sebagai tambahannya. Kata Kunci: Tutupan Lahan, Citra, Klasifikasi, CNN, InceptionResNet-V2
Item Type: | Thesis (Undergraduated) |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Engineering > Department of Informatics Engineering |
Depositing User: | 58 lili haryanti |
Date Deposited: | 19 Aug 2024 04:03 |
Last Modified: | 19 Aug 2024 04:03 |
URI: | http://repository.unib.ac.id/id/eprint/20171 |
Actions (login required)
View Item |