Analisis Optimizer Adagrad Dan Adadelta Untuk Kajian Persentase Kesesuaian Peta Kampung Indikatif RBI Dan PPBW BIG dengan Peta Kampung Hasil Kesepakatan Menggunakan Model Deep Learning (Studi Kasus: Kecamatan Bahuga)
Batas wilayah menjadi salah satu komponen terpenting agar kampung dapat diakui sebagai bagian dari pemerintahan di Indonesia. Ketidakjelasan batas wilayah dapat menyebabkan kegiatan administasi pemerintahan serta dapat menimbulkan kerugian materiil dan non materiil yang cukup besar. Kecamatan Bahuga yang terletak di Kabupaten Way Kanan menjadi salah satu kecamatan yang belum memiliki batas kampung yang tetap dan tegas pada tahun 2023. Berdasarkan pada kemampuan Convolutional Neural Network yang dapat menemukan fitur dari gambar, maka dilakukan penelitian mengenai pendeteksian kesesuaian bentuk segmen batas kampung versi PPBW BIG dan RBI dengan versi kartometris dalam bentuk persentase. Penelitian ini dilakukan untuk membuktikan bahwa terdapat
perbedaan bentuk batas kampung indikatif dengan kartometris dalam bentuk persentase kesesuaian antara batas kampung indikatif dengan kartometris dari seluruh kampung di Kecamatan Bahuga. Data latih dan validasi yang digunakan pada penelitian ini ialah sebanyak 198 gambar segmen batas dari 11 Kampung versi kartometris di Kecamatan Bahuga. Sebagai penguji performa Optimizer Adagrad dan Adadelta digunakan 4 gambar batas kampung versi kartometris yang telah dimodifikasi di tiap kampungnya. Selanjutnya batas kampung versi PPBW BIG dan
RBI diuji kesesuaian bentuknya pada kedua Optimizer yang telah dibangun sebelumnya. Performa dari Optimizer Adagrad menghasilkan terdapat nilai precision tertinggi sebesar 1 pada 6 kampung, nilai recall terendah sebesar 0,44
pada 1 kampung dan f-1 score terendah sebesar 0,61 pada 1 kampung. Performa Optimizer Adadelta menghasilkan nilai precision tertinggi sebesar 1 pada 3 kampung, nilai recall terendah sebesar 0 pada 2 kampung dan nilai f-1 score
terendah sebesar 0 pada 2 kampung. Hasil kesesuaian tertinggi versi PPBW BIG terhadap kartometris pada Optimizer Adagrad terdapat pada Kampung Bumi Agung Wates dan Mekar Jaya, sementara yang terendah terdapat pada Kampung Bumi Agung, Kampung Kota Dewa, Kampung Mesir Udik dan Kampung Tulang Bawang. Pada versi RBI, persentase kesesuaian terhadap versi kartometris tertinggi berada di Kampung Bumi Agung Wates, Kampung Giri Harjo dan Kampung Mesir Ilir. Sementara terendah berada pada Kampung Kota Dewa dan Kampung Tulang Bawang. Pada Optimizer Adadelta, kesesuaian versi PPBW BIG terhadap versi kartometris tertinggi berada pada Kampung Mekar Jaya. Sementara persentase kesesuaian terendah antara versi PPBW BIG terhadap kartometris berada pada
Kampung Tulang Bawang. Pada versi RBI terhadap versi kartometris, persentase kesesuaian tertinggi berada pada Kampung Mesir Ilir, Giri Harjo dan Dewa Agung. Sementara persentase kesesuaian terendah pada versi RBI terhadap kartometris berada pada Kampung Bumi Agung, Kota Dewa, Sapto Renggo dan Tulang Bawang.
URI
https://repo.itera.ac.id/depan/submission/SB2504210004
Keyword
Batas wilayah Kecamatan Bahuga Convolutional Neural Network Optimizer Adagrad dan Adadelta