MONITORING PERTUMBUHAN BANGUNAN BERBASIS CITRA SATELIT MENGGUNAKAN METODE K-MEANS CLUSTERING DAN CONVOLUTIONAL NEURAL NETWORK

Pertumbuhan bangunan yang tidak terpantau berakibat semakin menyempitnya lahan kosong serta berkurangnya penghijauan. Hal tersebut menyebabkan pemukiman bertambah padat dan bangunan pada suatu wilayah menjadi tidak tertata dengan baik. Dengan ini, pemanfaatan penginderaan jauh (remote sensing) dapat mengatasi permasalahan tersebut. Pada penelitian ini, algoritma K-Means Clustering dan Convolutional Neural Network (CNN) merupakan solusi pemecahan masalah remote sensing images (RSI) dalam memonitoring pertumbuhan bangunan menggunakan 2 buah citra temporal satelit. Convolutional Neural Network (CNN) sendiri banyak diimplementasikan untuk mendeteksi objek, pengenalan pola hingga proses ekstraksi data pada citra. Pengusulan metode CNN dalam mendeteksi daerah RSI diklasifikasikan dapat menghasilkan segmentasi yang lebih baik.. Hasil dari penelitian ini adalah diperoleh luas bangunan pada setiap temporal serta total perluasan bangunan yang terjadi dalam kurun waktu tertentu. Dengan adanya proses Image Enhancement, nilai perluasan menunjukkan perbedaan meski tidak terlalu signifikan, yakni persentase perbedaan terendah adalah 1,02% dan persentase perbedaan tertinggi adalah 59,44%. Informasi perluasan diperoleh dengan menghitung selisih dari total nilai piksel cluster bangunan pada kedua citra temporal yang dikalikan dengan resolusi spasial sebesar 15m2.