(0721) 8030188    [email protected]   

Analisis Variasi Jumlah Epoch Terhadap Persentase Kesesuaian Peta Batas Kampung Data PPBW BIG dan RBI dengan Data Kartometrik Menggunakan Metode Deep Learning (Studi Kasus: Kecamatan Rumbia, Kabupaten Lampung Tengah)


Batas wilayah yang jelas memiliki peran penting dalam mendukung kewenangan daerah dan perencanaan pembangunan. Namun, keberagaman data batas wilayah di Kecamatan Rumbia, seperti hasil metode kartometrik, data Pusat Pemetaan Batas Wilayah dari Badan Informasi Geospasial (PPBW BIG), dan data Rupa Bumi Indonesia (RBI), sering membingungkan masyarakat, sehingga menghambat pengelolaan sumber daya alam dan manusia. Kejelasan batas wilayah diperlukan untuk mendukung kewenangan daerah dan perencanaan pembangunan yang efektif. Penelitian ini bertujuan menganalisis kesesuaian data batas wilayah kampung menggunakan metode Deep learning jenis Convolutional Neural Network (CNN). Penelian ini menggunakan data batas wilayah hasil dari metode kartometrik, data batas wilayah bersumber dari PPBW BIG, data batas wilayah RBI, dan Citra Tegak Satelit Resolusi Tinggi (CTSRT). Penelitian ini mengintegrasikan teknologi Sistem Informasi Geografis (SIG) dan Deep learning jenis CNN untuk menganalisis pola segmen data batas wilayah. Model Deep learning jenis CNN dilatih menggunakan dataset dari gambar data spasial batas wilayah hasil metode kartometrik dengan melakukan variasi jumlah epoch (100, 200, 300, 400, dan 500) untuk mendapatkan akurasi terbaik. Optimasi dilakukan menggunakan Stochastic Gradient Descent (SGD) untuk meningkatkan performa model. Hasil penelitian menunjukkan bahwa peningkatan jumlah epoch berdampak pada peningkatan akurasi model Deep learning jenis CNN dalam mengidentifikasi data batas wilayah. Penelitian ini berkontribusi dalam menyelaraskan data PPBW BIG, RBI, dan kartometrik untuk mendukung kebijakan satu peta serta mengurangi konflik batas wilayah. Teknologi CNN efektif mengidentifikasi data spasial batas wilayah secara akurat. Kata Kunci: Batas Wilayah, Kartometrik, PPBW BIG, RBI, CTSRT, SIG, Deep learning, CNN.

URI
https://repo.itera.ac.id/depan/submission/SB2502180034

Keyword