STUDI KOMPARASI KINERJA CONVOLUTIONAL NEURAL NETWORK DAN INCEPTIONRESNET-V2 PADA KLASIFIKASI TUTUPAN LAHAN PULAU SULAWESI

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