Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
SEGMENTASI SEMANTIK CITRA SATELIT PADA ARSITEKTUR U-NET DALAM MEMAHAMI PERSPEKTIF SATELIT MENGGUNAKAN BAHASA PEMROGRAMAN PYTHON-JUPYTER NOTEBOOK
ABSTRAKSI :
Dalam era digital saat ini, citra satelit memiliki peran penting dalam pemetaan, pemantauan lingkungan, dan analisa permukaan bumi. Namun, analisis manual oleh manusia memakan waktu dan sulit dilakukan untuk area luas. Oleh karena itu, pengembangan metode otomatis untuk segmentasi semantik citra satelit menggunakan deep learning menjadi sangat penting. Deep learning, terinspirasi dari cara kerja pikiran manusia, telah berhasil diterapkan dalam berbagai penelitian menggunakan arsitektur U-Net. Penelitian ini juga bertujuan untuk menerapkan U-Net dalam segmentasi citra satelit menggunakan bahasa pemrograman Python, dan juga Jupyter Notebook sebagai IDE dari bahasa pemrograman Python. Metodologi yang digunakan yaitu System Development Life Cycle (SDLC), data collecting, dan tahap perancangan yang dilakukan dengan beberapa tahapan seperti data preparation, deep learning dengan data citra satelit, dan advance deep learning dengan data citra satelit. Aplikasi sudah berhasil mengidentifikasi objek dan fitur yang terdapat dalam citra, dapat membedakan dengan baik antara objek yang teridentifikasi, dan efektif dalam mendeteksi garis tepi pada citra satelit. Uji koresponden mendapat nilai 87% yang menunjukan aplikasi berjalan dengan baik serta sudah berhasil mengidentifikasi objek dan fitur yang terdapat dalam citra yang menunjukan aplikasi tersebut sudah berhasil dan layak untuk digunakan secara publik.