<![CDATA[Pemetaan jalan menjadi komponen penting dalam pengembangan infrastruktur jalan untuk mendukung kebutuhan mobilitas yang semakin kompleks. Pemetaan jalan memiliki cakupan areal yang sangat luas dan pendataannya cukup sulit, namun pemetaan jalan masih dilakukan secara manual. Pemetaan jalan dapat memalui citra satelit, namun karena dilakukan secara manual maka memerlukan waktu yang cukup lama. Dalam perkembangannya dibutuhkan pemetaan jalan secara otomatis salah satunya dengan menggunakan machine learning berdasarkan fitur-fitur dari citra satelit yang telah ditentukan. Namun pengambilan fitur atau informasi yang diperoleh dari citra satelit memiliki kendala yang cukup sulit untuk diatasi, antara lain persamaan warna dan bentuk yang mempunyai kemiripan. Oleh karena itu pada penelitian ini diajukan metode deep learning berbasis U-Net dengan susunan residual block untuk mengatasi permasalahan tersebut. Data yang digunakan pada penelitian ini adalah Massachusetts Road Dataset berupa data citra satelit beresolusi tinggi. Pemetaan jalan dilakukan dengan menggunnakan metode Improved Residual Networks. Hasil pengujian model menunjukkan nilai Precision 81.6%, Recall 77.9%, Accuracy 98.1%, dan F1-score 79.7%. Kinerja tersebut lebih baik dari sejumlah penelitian sebelumnya.]]>
Copyrights © 2024
