1Universitas Gadjah Mada, Indonesia
2Departemen Teknik Geodesi, Fakultas Teknik, Universitas Gadjah Mada, Indonesia
BibTex Citation Data :
@article{ELIPSOIDA4883, author = {Danang Setiaji and Harintaka Harintaka}, title = {Ekstraksi Fitur Bangunan Secara Cepat pada Foto UAV Menggunakan Metode Deep Residual Neural Network Berbasis FCN}, journal = {Elipsoida : Jurnal Geodesi dan Geomatika}, volume = {2}, number = {01}, year = {2019}, keywords = {}, abstract = { Dalam beberapa dekade terakhir, teknologi penginderaan jauh menjadi salah satu teknik yang paling bagus untuk akuisisi data pada area luas tanpa perlu melakukan survey langsung di lapangan dengan tingkat kedetailan yang tinggi. Dengan perubahan tutupan lahan yang semakin cepat dan dinamis diperlukan teknologi yang dapat menghasilkan data dengan tingkat kedetailan tinggi,murah dan dapat menghasilkan data dalam waktu yang cepat. Salah satu produk penginderaan jauh tersebut adalah Foto Udara dengan teknologi pesawat tanpa awak (UAV). Teknologi ini mampu menghasilkan output data spasial detail dengan biaya relatif murah, cepat dan terkini. Salah 1 unsur yang cepat berubah di wilayah perkotaan adalah pada pertambahan objek bangunan. Dalam pembuatan bangunan tersebut harus dilengkapi dengan syarat keterangan ijin mendirikan bangunan (IMB) dari instansi terkait. Ketentuan ijin ini tidak terlepas dari aturan RDTR dan PZ yang berlaku serta hanya boleh didirikan pada zonasi yang diijinkan. Dengan kebutuhan data informasi fitur bangunan yang cukup banyak dan mendesak, diperlukan metode ekstraksi yang cepat juga. Metode yang saat ini berkembang pesat adalah ekstraksi otomatis menggunakan teknologi deep learning . Metode yang digunakan adalah Fully Convolutional Network (FCN) dengan arsitektur Residual Neural network (ResNet). Dalam penelitian ini akurasi ekstraksi pada fitur bangunan dapat mencapai 95% dan dapat melakukan ekstraksi pada satu NLP skala 1 : 5.000 dengan cepat. Metode ini dapat menghasilkan ekstraksi pada image seperti foto udara dengan cepat dan akurat. }, issn = {2621-9883}, pages = {42--49} doi = {10.14710/elipsoida.2019.4883}, url = {https://ejournal2.undip.ac.id/index.php/elipsoida/article/view/4883} }
Refworks Citation Data :
Dalam beberapa dekade terakhir, teknologi penginderaan jauh menjadi salah satu teknik yang paling bagus untuk akuisisi data pada area luas tanpa perlu melakukan survey langsung di lapangan dengan tingkat kedetailan yang tinggi. Dengan perubahan tutupan lahan yang semakin cepat dan dinamis diperlukan teknologi yang dapat menghasilkan data dengan tingkat kedetailan tinggi,murah dan dapat menghasilkan data dalam waktu yang cepat. Salah satu produk penginderaan jauh tersebut adalah Foto Udara dengan teknologi pesawat tanpa awak (UAV). Teknologi ini mampu menghasilkan output data spasial detail dengan biaya relatif murah, cepat dan terkini. Salah 1 unsur yang cepat berubah di wilayah perkotaan adalah pada pertambahan objek bangunan. Dalam pembuatan bangunan tersebut harus dilengkapi dengan syarat keterangan ijin mendirikan bangunan (IMB) dari instansi terkait. Ketentuan ijin ini tidak terlepas dari aturan RDTR dan PZ yang berlaku serta hanya boleh didirikan pada zonasi yang diijinkan. Dengan kebutuhan data informasi fitur bangunan yang cukup banyak dan mendesak, diperlukan metode ekstraksi yang cepat juga. Metode yang saat ini berkembang pesat adalah ekstraksi otomatis menggunakan teknologi deep learning. Metode yang digunakan adalah Fully Convolutional Network (FCN) dengan arsitektur Residual Neural network (ResNet). Dalam penelitian ini akurasi ekstraksi pada fitur bangunan dapat mencapai 95% dan dapat melakukan ekstraksi pada satu NLP skala 1 : 5.000 dengan cepat. Metode ini dapat menghasilkan ekstraksi pada image seperti foto udara dengan cepat dan akurat.
Article Metrics:
Last update:
Starting from 2021, the author(s) whose article is published in the Elipsoida : Jurnal Geodesi dan Geomatika attain the copyright for their article and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. By submitting the manuscript to Elipsoida : Jurnal Geodesi dan Geomatika, the author(s) agree with this policy. No special document approval is required.
The author(s) guarantee that:
The author(s) retain all rights to the published work, such as (but not limited to) the following rights:
Suppose the article was prepared jointly by more than one author. Each author submitting the manuscript warrants that all co-authors have given their permission to agree to copyright and license notices (agreements) on their behalf and notify co-authors of the terms of this policy. Elipsoida : Jurnal Geodesi dan Geomatika will not be held responsible for anything arising because of the writer's internal dispute. Elipsoida : Jurnal Geodesi dan Geomatika will only communicate with correspondence authors.
Authors should also understand that their articles (and any additional files, including data sets and analysis/computation data) will become publicly available once published. The license of published articles (and additional data) will be governed by a Creative Commons Attribution-ShareAlike 4.0 International License. Elipsoida : Jurnal Geodesi dan Geomatika allows users to copy, distribute, display and perform work under license. Users need to attribute the author(s) and Elipsoida : Jurnal Geodesi dan Geomatika to distribute works in journals and other publication media. Unless otherwise stated, the author(s) is a public entity as soon as the article is published.
Editorial Office of Elipsoida : Jurnal Geodesi dan Geomatika View statisticsThe Old Dean Building (2nd Floor) Faculty of Engineering, Diponegoro UniversityJl Prof Soedarto SH, Tembalang. Semarang, Indonesia, 50275Email : redaksi.elipsoida@ft.undip.ac.id, Telephone : 081802403435