Detail Cantuman

Diperlukan sebuah perencanaan yang baik dan metode yang akurat dan efektif terhadap perkembangan pada suatu wilayah yang akan menghasilkan perubahan yang dapat diamati secara visual. Perubahan fisik tersebut terjadi karena adanya perkembangan lahan yang dipengaruhi oleh faktor alam dan manusia seperti perkebunan, pertanian, reklamasi lahan dan pembangunan infrastruktur yang mana dapat membantu suatu penilaian dari perkembangan suatu wilayah, upaya konservasi lahan dan perencanaan pembangunan pada wilayah tersebut. Tutupan lahan merujuk pada unsur-unsur fisik yang terlihat di permukaan bumi, termasuk berbagai material seperti rumput, aspal, pepohonan, tanah terbuka, air, dan material fisik lainnya. Penggunaan lahan mengacu pada bagaimana manusia memanfaatkan lahan, baik di wilayah perkotaan maupun pedesaan. Klasifikasi menggunakan deep learning merupakan metode yang akurat dan bertujuan untuk membantu mendapatkan informasi mengenai tutupan lahan di suatu wilayah. Pada penelitian ini digunakan metode EfficientNetV2 yang merupakan versi terbaru dari pendahulunya yaitu EfficientNet, yang mana metode EfficientNetv2 diharapkan mampu melakukan tugasnya untuk klasifikasi citra satelit tutupan lahan. Beberapa hyperparameter yang digunakan untuk membantu EfficientNetV2 dalam mencapai kinerja yang optimal ini adalah activation function ReLU dan GELU. Hasil klasifikasi tertinggi yang dapat dicapai oleh EfficientNetV2 ini adalah 97% dengan menggunakan ReLU Activation Function dan Optimizer Adamax.