<![CDATA[Pemantauan potensi banjir sungai merupakan langkah penting dalam mitigasi risiko bencana dan perencanaan tata ruang wilayah. Dengan perkembangan zaman dan meningkatnya ketersediaan data citra satelit dengan resolusi tinggi yang mengikutinya, pemantauan potensi banjir bisa dilakukan dengan metode yang terkini, seperti dengan menggunakan metode deep learning, terutama pada semantic segmentation. Dengan menggunakan model semantic segmentation yang berbasiskan deep learning, pemantauan sungai dalam langkah mitigasi risiko bencana alam bisa dilakukan dengan lebih fleksibel. Dengan menggunakan arsitektur ResNet-50 dan U-Net Attention, didapatkan akurasi yang tinggi, dimana masing-masing arsitektur mencapai tingkat akurasi hingga lebih dari 90%. Model dilatih menggunakan data sungai yang sudah dilakukan masking pada bagian sungainya saja, tidak menghiraukan wilayah lainya seperti genangan air besar lain yang berada diluar area sungai. Dalam penelitian ini juga dapat disimpulkan bahwa arsitektur U-Net Attention memiliki akurasi dan juga ketepatan yang lebih baik dibandingkan dengan arsitektur ResNet-50. Implementasi hasil dari penelitian ini diharapkan dapat mendukung pengembangan sistem pemantauan banjir berbasis teknologi, sehingga bisa meningkatkan kesiapsiagaan dan efisiensi dalam mitigasi bencana alam.]]>
Copyrights © 2025
