View/Open

Author
M., FARHAN ATHAULLOH

Date Published
19 Jan 2026

Advisor
Febri Dwi Irawati, S.Si., M.Si,
Yuliana, M.Cs.,

Subject
Sains Data

Publisher

Pemetaan burned area di Provinsi Sumatera Selatan dilakukan dalam penelitian ini dengan memanfaatkan citra multispektral Sentinel-2 Level-2A melalui pendekatan Deep Learning model U-Net. Alur penelitian diawali dengan preprocessing data, meliputi cloud masking berbasis Scene Classification Layer (SCL), penyusunan citra komposit, serta normalisasi reflektansi. Selain itu, indeks spektral seperti NDVI, NBR, dan dNBR dihitung guna menganalisis perubahan vegetasi pascakebakaran. Data masukan diproses melalui tahapan band stacking dan dibagi menjadi sejumlah patch sebagai data latih. Arsitektur U-Net yang diterapkan menggunakan struktur simetris encoder–decoder dengan skip connection untuk menjaga detail spasial citra. Input yang digunakan dan output yang dihasilkan arsitektur ini berukuran 512 x 512. Pelatihan model dilakukan menggunakan optimizer Adam dengan fungsi aktivasi ReLU dan sigmoid. Berdasarkan hasil evaluasi, model mencatatkan Akurasi 0.88386, Intersection over Union (IoU) 0.40269, Dice Coefficient 0.57417, dan Binary Cross-Entropy 0.20875. Hasil ini mengindikasikan bahwa kombinasi Sentinel-2 dan U-Net cukup efektif dalam segmentasi area terbakar

URI
https://repo.itera.ac.id/depan/submission/SB2601310017

Keyword
Burned Area Preprocessing Sentinel-2 Segmentasi Citra U-Net