KLASIFIKASI AREA PERTAMBANGAN DENGAN CITRA SATELIT LANDSAT-8 MENGGUNAKAN METODE INCEPTIONRESNET-V2 DAN AUGMENTASI DATA BERBASIS GENERATIVE ADVERSARIAL NETWORK

Pertambangan merupakan sektor industri yang signifikan dalam perekonomian Indonesia,
dengan Provinsi Kalimantan Timur sebagai salah satu pusat utama kegiatan
pertambangan, terutama batubara. Klasifikasi area pertambangan yang luas dan kompleks
memerlukan teknologi canggih untuk mengawasi aktivitas pertambangan memastikan
pengelolaan sumber daya alam yang seimbang. Penelitian ini bertujuan untuk
mengklasifikasi area pertambangan dan non pertambangan di Provinsi Kalimantan Timur
menggunakan citra satelit Landsat-8 dengan metode InceptionResnetv2 dan augmentasi
data berbasis Generative Adversarial Network. Dataset terdiri dari 2.000 citra, yakni
1.000 citra asli dan 1.000 citra hasil augmentasi. Kombinasi band 7-5-3 dipilih karena
memberikan informasi spektral yang efektif dalam membedakan area tambang. Tiga
ukuran citra (64×64, 75×75, dan 256×256) diuji dalam pelatihan DCGAN. Ukuran 75×75
memberikan performa terbaik dengan akurasi 1.0000 dan loss 0.0892. Meskipun model
InceptionResNet-V2 menghadapi kendala optimalisasi akibat penyesuaian resolusi yang
dilakukan guna mengatasi keterbatasan komputasi, penelitian ini berhasil menunjukkan
keunggulan pendekatan transfer learning dan generative adversarial networks (GAN)
dalam meningkatkan akurasi klasifikasi area pertambangan secara signifikan.
Kata kunci: Klasifikasi, Pertambangan, Landsat-8, Transfer Learning, Generative
Adversarial Network, InceptionResnet-V2.