cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
Gedung Kuliah Bersama (GKB) Lt 3 Fakultas Teknik Universitas Diponegoro- Departemen Teknik Geodesi Jl Prof Soedarto SH, Tembalang. Semarang
Location
Kota semarang,
Jawa tengah
INDONESIA
Elipsoida : Jurnal Geodesi dan Geomatika
Published by Universitas Diponegoro
ISSN : -     EISSN : 26219883     DOI : -
Core Subject : Education,
Education
ELIPSOIDA merupakan Jurnal yang memuat hasil studi dan penelitian bidang geodesi dan geomatika. Jurnal ini diterbitkan dua kali dalam setahun pada bulan Juni dan November oleh Departemen Teknik Geodesi Universitas Diponegoro. Jurnal ini bersifat terbuak ke semua ilmuwan, peneliti, mahasiswa dan cendekiawan lainnya yang ingin mempublikasihan hasil studi atau penelitiannya. Tujuan dari Jurnal ini adalah untuk menyediakan paltform bagi para ilmuwan dan akademisi untuk berbagi, bertukar dan mendiskusikan berbagai isu dan perkembangan ilmu Geodesi dan Geomatika. Jurnal ini menerima makalah dari universitas terkemuka di seluruh Indonesia, universitas luar negeri, lembaga pemerintah dan swasta lainnya. Semua naskah harus disiapakan dalam bahasa inggris atau bahasa indonesia dan harus melalui proses peer-review.Topik yang dapat disajikan pada jurnal ini meliputi : Pengembangan dan aplikasi ilmu geodesi dan geomatika, survey pemetaan dan GNSS, pertanahan, sistem informasi geografis (SIG), Penginderaan Jauh, Fotogrametri, Hidrografi, dan Kebencanaan.
Arjuna Subject : -
Articles 132 Documents
 10   11   12   13   14 
EKSTRAKSI OTOMATIS TAPAK BANGUNAN (BUILDING FOOTPRINT) PADA ORTOFOTO MENGGUNAKAN SEGMENT ANYTHING MODEL (SAM) Baroroh, Anisa; Harintaka, Harintaka
Elipsoida : Jurnal Geodesi dan Geomatika Vol 8, No 1 (2025): Volume 08 Issue 01 Year 2025
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/elipsoida.2025.25145

Abstract

Kebutuhan peta dasar skala besar khususnya di Indonesia semakin meningkat seiring berkembangnya waktu. Salah satu fitur geospasial penting adalah bangunan. Penggunaan teknologi UAV mampu menghasilkan produk ortofoto resolusi tinggi yang dapat membantu pemetaan skala besar. Kumpulan data bangunan yang diturunkan dari data ortofoto dapat memberikan informasi untuk pemantauan dan perencanaan suatu daerah, khususnya di daerah yang tidak memiliki peta perencanaan rinci atau data kadaster. Pada umumnya, ekstraksi objek tapak bangunan dilakukan dengan digitasi manual. Namun, perkembangan terbaru menunjukkan teknologi otomatisasi dengan deep learning memiliki keunggulan lebih baik dari sisi kinerja yang lebih singkat. Teknik deep learning yang terbaru saat ini adalah SAM (Segment Anything Model). SAM merupakan pendekatan baru yang dikembangkan oleh Meta AI untuk segmentasi yang telah dilatih pada dataset sangat besar sehingga tidak memerlukan pelatihan ulang (Kirillov et al., 2023). Penelitian ini memanfaatkan SAM untuk ekstraksi tapak bangunan khususnya wilayah Indonesia. Karakteristik bangunan yang sangat bervariasi menjadi tantangan algoritma SAM dalam mengekstraksi tapak bangunan. Selain SAM, penggunaan metode regularisasi diterapkan untuk memperbaiki bentuk bangunan hasil segmentasi yang tidak teratur dan tegas. Hasil uji akurasi precision, recall, f1-score, dan IoU secara keseluruhan menunjukkan rata-rata nilainya diatas 87 %. Hasil tersebut menunjukkan bahwa SAM mampu melakukan ekstraksi tapak bangunan dengan baik.
MONITORING PERUBAHAN TUTUPAN LAHAN KABUPATEN KLATEN TAHUN 2019 DAN 2023 SELAMA PEMBANGUNAN JALAN TOL YOGYAKARTA – SOLO MENGGUNAKAN GOOGLE EARTH ENGINE (GEE) Apriyanti, Dessy; Layali, Ilfa; Gomareuzzaman, Muhammar; Pratiwi, Nova Wahyu; Martasari, Rial Dwi
Elipsoida : Jurnal Geodesi dan Geomatika Vol 8, No 1 (2025): Volume 08 Issue 01 Year 2025
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/baf.%v.%i.%Y.%p

Abstract

Metode konvensional seperti klasifikasi berbasis piksel yang biasa digunakan dalam melakukan klasifikasi tutupan lahan membutuhkan waktu yang cukup lama, selain itu dibutuhkan komputer yang memiliki performa yang tinggi agar proses pengolahan citra dapat berjalan dengan lancar. Google Earth Engine (GEE) memungkinkan pengguna untuk melakukan pengolahan citra satelit ter-georeferensi yang tersimpan pada arsip (cloud) GEE dengan membangun suatu algoritma untuk menjalankannya. GEE juga mempunyai beberapa metode machine learning untuk analisis citra. Salah  satu  metode machine  learning yang popular digunakan adalah Random Forest. Random Forest (RF) telah banyak digunakan mengklasifikasikan citra satelit seperti yang dilakukan. Keunggulan dari metode RF, di antaranya non-parametrik,  mampu  menggunakan  set  data kontinyu  dan  tidak  sensitif  terhadap over-fitting. RF  adalah  metode  potensial  untuk memetakan  tutupan  lahan  dibandingkan  dengan  metode konvensional. Dilakukan penelitian tentang perubahan tutupan lahan menggunakan Algoritma Random Forest pada platform GEE di Kabupaten Klaten Jawa Tengah pada tahun 2019 – 2023 selama Pembangunan Jalan Tol Yogyakarta – Solo. Analisis perubahan tutupan lahan dilakukan menggunakan data citra satelit Sentinel 2A. Selain analisis tutupan lahan dari hasil algoritma RF, dilakukan uji akurasi menggunakan matriks konfusi. Hasil model Random Forest yang sudah dijalankan menunjukan hasil perubahan lahan masing – masing kelas tutupan lahan, dengan kelas paling banyak berubah pada bangunan bertambah sebanyak 4.972 ha serta paling berkurang pada kelas badan air 0.341 ha. hasil klasifikasi model Random Forest juga menunjukan uji akurasi dengan Kappa Accuracy 77% pada tahun 2019, serta Kappa Accuracy 84% pada tahun 2023.

Page 14 of 14 | Total Record : 132

 10   11   12   13   14 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 8, No 1 (2025): Volume 08 Issue 01 Year 2025 Vol 7, No 2 (2024): Volume 07 Issue 02 Year 2024 Vol 7, No 1 (2024): Volume 07 Issue 01 Year 2024 Vol 6, No 2 (2023): Volume 06 Issue 02 Year 2023 Vol 6, No 1 (2023): Volume 06 Issue 01 Year 2023 Vol 5, No 2 (2022): Volume 05 Issue 02 Year 2022 Vol 5, No 1 (2022): Volume 05 Issue 01 Year 2022 Vol 4, No 02 (2021): Volume 04 Issue 02 Year 2021 Vol 4, No 01 (2021): Volume 04 Issue 01 Year 2021 Vol 3, No 02 (2020): Volume 03 Issue 02 Year 2020 Vol 3, No 01 (2020): Volume 03 Issue 01 Year 2020 Volume 03, Nomor 01, Tahun 2020 Vol 2, No 02 (2019): Volume 02 Issue 02 Year 2019 Vol 2, No 01 (2019): Volume 02 Issue 01 Year 2019 Vol 1, No 02 (2018): Volume 01 Issue 02 Year 2018 Vol 1, No 01 (2018): Volume 01 Issue 01 Year 2018 Volume 01, Nomor 02, Tahun 2018 More Issue