PERBANDINGAN KETELITIAN TUTUPAN LAHAN AUTOMATIC FEATURES EXTRACTION SYSTEM MENGGUNAKAN APLIKASI DEEPNESS DAN MAPFLOW PADA DATA FOTO UDARA UNMANNED AERIAL VEHICLE
Kebutuhan peta dasar skala besar khususnya skala 1:1.000 - 1:5.000 terus meningkat dari waktu ke waktu. Pada umumnya ekstraksi fitur unsur Peta Rupa Bumi Indonesia (RBI) yaitu bangunan, jalan, dan vegetasi dilakukan dengan digitasi atau stereoplotting unsur secara manual baik dari data citra satelit maupun data foto udara. Namun hal tersebut memiliki kelemahan yaitu membutuhkan waktu yang lama tergantung pada kepadatan dan luas dari masing masing unsur rupa bumi. Di sisi lain Pemerintah Indonesia menjadikan percepatan penyelenggaraan Peta RBI skala 1:1.000 - 1:5.000 menjadi salah satu prioritas utama dalam kegiatan kebijakan satu peta. Ekstraksi fitur secara otomatis telah populer beberapa tahun terakhir. Aplikasi yang dikembangkan dengan metode Automatic Features Extraction System yaitu aplikasi Deep Neural Remote Sensing (Deepnees) dan aplikasi Mapflow. Ekstraksi otomatis unsur bangunan, jalan, dan vegetasi dengan menggunakan teknik pendekatan deep learning pada proses Automatic Features Extraction System memiliki kelemahan yaitu hasil ketelitian ekstraksi yang di pengaruhi oleh resolusi citra satelit / foto udara. Penelitian ini bertujuan untuk menguji akurasi atribut/semantik dan akurasi geometri hasil Automatic Features Extraction System. Hasil penelitian menunjukkan dalam hal efektivitas aplikasi, secara atribut/semantik aplikasi mapflow menunjukkan hasil yang lebih baik dalam ketepatan dan kemiripan pembuatan vektor pada proses AFES kelas bangunan, jalan, dan vegetasi secara visual, dibandingkan dengan deepness. Pada perbandingan ketelitian geometrik, secara visual aplikasi mapflow menunjukkan ketelitian koordinat yang sedikit lebih tinggi dalam ekstraksi bangunan, dibandingkan dengan deepness. Namun, dalam segmentasi jalan, deepness lebih unggul dibandingkan dengan mapflow dikarenakan deepness lebih akurat dalam menangani kompleksitas jalan. Pada unsur vegetasi, mapflow memiliki ketelitian yang lebih tinggi dibandingkan dengan deepness, menunjukkan bahwa mapflow lebih efektif dalam mengidentifikasi detail vegetasi pada foto udara UAV.
APA Style
. (2024).PERBANDINGAN KETELITIAN TUTUPAN LAHAN AUTOMATIC FEATURES EXTRACTION SYSTEM MENGGUNAKAN APLIKASI DEEPNESS DAN MAPFLOW PADA DATA FOTO UDARA UNMANNED AERIAL VEHICLE ().Teknik Geodesi:FTSP
Chicago Style
.PERBANDINGAN KETELITIAN TUTUPAN LAHAN AUTOMATIC FEATURES EXTRACTION SYSTEM MENGGUNAKAN APLIKASI DEEPNESS DAN MAPFLOW PADA DATA FOTO UDARA UNMANNED AERIAL VEHICLE ().Teknik Geodesi:FTSP,2024.Text
MLA Style
.PERBANDINGAN KETELITIAN TUTUPAN LAHAN AUTOMATIC FEATURES EXTRACTION SYSTEM MENGGUNAKAN APLIKASI DEEPNESS DAN MAPFLOW PADA DATA FOTO UDARA UNMANNED AERIAL VEHICLE ().Teknik Geodesi:FTSP,2024.Text
Turabian Style
.PERBANDINGAN KETELITIAN TUTUPAN LAHAN AUTOMATIC FEATURES EXTRACTION SYSTEM MENGGUNAKAN APLIKASI DEEPNESS DAN MAPFLOW PADA DATA FOTO UDARA UNMANNED AERIAL VEHICLE ().Teknik Geodesi:FTSP,2024.Text
