Klasifikasi Tutupan Lahan Melalui Citra Satelit SPOT-6 dengan Metode Convolutional Neural Network (CNN)

Abstract

Lahan merupakan suatu wilayah dimana seluruh bagian biosfer dianggap tetap atau siklis yang terdapat di atas maupun di bawah permukaan bumi. Klasifikasi lahan dilakukan dengan tujuan untuk memudahkan pemantauan penggunaan serta pengaturan tata letak lahan pada suatu wilayah. Pada penelitian ini dilakukan klasifikasi terhadap citra lahan yang diperoleh dari satelit SPOT-6 dengan menggunakan Metode Convolutional Neural Network (CNN). Jenis lahan yang dilakukan klasifikasi berupa sawah, hutan, pemukiman, sungai dan bukit gundul dengan jumlah data yang digunakan adalah 350 data citra lahan. Dari total data, sebanyak 75% data digunakan sebagai data latih dan 25% digunakan sebagai data uji. Model CNN yang digunakan pada penelitian ini yaitu basic CNN dengan arsitektur yang terdiri dari 3 hidden convolutional layer, 1 fully connected layer dan 2 stride. Hasil performansi sistem yang diperoleh pada penelitian ini diantaranya adalah akurasi 95,45%, loss 0,2457, serta rata-rata dari masing-masing nilai precision, recall dan f1-score sebesar 0,92. Dapat disimpulkan bahwa metode CNN dapat digunakan secara optimal dalam mengklasifikasikan 5 jenis tutupan lahan.

Penerapan Algoritma CNN (Convolutional Neural Network) Untuk Deteksi Dan Klasifikasi Target Militer Berdasarkan Citra Satelit

“…Sebagai pembanding, pada penelitian lain yang menggunakan data citra gambar sejenis namun berbeda objek, (Hermawan E, 2023) dengan akurasi 95%, (Listyaputra, t.t.) dengan akurasi 98,38%, (Magdalena, Saidah, Pratiwi, & Putra, 2021) dengan akurasi 95,45%, (Miranda & Aryuni, t.t.) dengan akurasi 98,4%.…”

Classification of Sign Language in Real Time Using Convolutional Neural Network

“…It compares the output of the network with the desired output. The signal propagates back to the system again and again to update the shared weights and biases in all the receptive fields to minimise the value of the cost function, which increases the network's performance [21].…”

Klasifikasi Hama Serangga pada Pertanian Menggunakan Metode Convolutional Neural Network

“…Kernel ini terdiri dari bobot yang berperan dalam mendeteksi karakteristik dari objek. Selanjutnya, langkah konvolusi dilakukan untuk menghasilkan transformasi linear dari gambar input yang mencerminkan informasi spasial pada data tersebut [21].…”

“…Dropout adalah metode yang digunakan untuk mengatasi overfitting pada jaringan saraf dengan menghalangi adaptasi yang terlalu kompleks saat melatih data. Tambahan lagi, dropout juga bisa mempercepat proses pembelajaran dengan mengacak dan mengabaikan neuron yang tidak aktif selama pelatihan [21].…”

“…Pengujian dalam penelitian ini menggunakan Confusion Matrix, suatu pendekatan untuk mengukur performa dalam masalah klasifikasi yang sangat berguna untuk menghitung precision, recall, f1-score, akurasi, dan informasi mengenai jumlah kelas prediksi yang benar atau salah [21] [24]. Pengujian ini dilakukan berdasarkan model terbaik yang dihasilkan selama proses pelatihan.…”