<![CDATA[pendektesian lahan dengan memanfaatkan citra satelit telah berkembang pesat sebagai suatu solusi dalam mengidentifikasi jenis lahan. Namun, hal ini terkendala oleh keterbatasan algoritma seperti convolutional neural network atau CNN dalam mengidentifikasi permukaan lahan dengan citra yang mirip. Penelitian ini mengagas konsep CNN baru dengan mengabungkan sekelompok model kecil yang hanya mempelajari 1 kelas, yang disebut sebagai single-class CNN atau SC-CNN. Hasil validasi pada citra satelit Gaofen-2 menunjukan bahwa metode SC-CNN mampu meningkatkan akurasi model prediktif dari metode CNN sebesar 3% dalam mengidentifikasi permukaan lahan. Lebih lanjut, meskipun dengan menggunakan data yang lebih sedikit (hanya 480 citra), metode SC-CNN menunjukan kualitas prediktif yang sama dengan metode CNN yang menggunakan 800 citra. Hasil ini menunjukan potensi dari SC-CNN dalam mengklasifikasikan citra satelit, sekaligus sebagai metode klasifikasi gambar dengan jumlah citra yang terbatas.]]>
Copyrights © 2025
