Analisis Pengolahan Citra Satelit Menggunakan Deep Learning untuk Klasifi-kasi dan Deteksi Objek

Abstrak

Pengolahan citra satelit memiliki peran penting dalam berbagai bidang, seperti pemantauan lingkungan, perencanaan wilayah, pertanian, dan mitigasi bencana. Penelitian ini bertujuan untuk menganalisis penerapan metode deep learning dalam klasifikasi dan deteksi objek pada citra satelit guna meningkatkan akurasi dan efisiensi proses interpretasi data. Data yang digunakan berupa citra satelit resolusi menengah hingga tinggi yang diperoleh dari sumber terbuka dan telah melalui tahap pra-pemrosesan, seperti normalisasi, augmentasi, dan peningkatan kualitas citra. Metode yang digunakan melibatkan model convolutional neural network (CNN) untuk klasifikasi citra serta arsitektur deteksi objek seperti YOLO (You Only Look Once) dan Faster R-CNN. Proses pelatihan dilakukan dengan membagi dataset menjadi data latih dan data uji, serta menerapkan teknik optimasi untuk meningkatkan performa model. Evaluasi kinerja dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa pendekatan deep learning mampu memberikan tingkat akurasi yang tinggi dalam klasifikasi dan deteksi objek pada citra satelit dibandingkan metode konvensional. Model yang dikembangkan juga mampu mengidentifikasi berbagai objek seperti bangunan, vegetasi, dan badan air secara efektif. Dengan demikian, penelitian ini memberikan kontribusi dalam pengembangan sistem analisis citra satelit yang lebih cepat, akurat, dan otomatis, serta berpotensi mendukung pengambilan keputusan berbasis data di berbagai sektor.