View/Open

Author
ABELIA, CITRA

Date Published
22 May 2026

Advisor
Muhammad Ulin Nuha, S.T., M.Eng.,
Rizqi Aulia, S.T., M.T.,

Subject
Teknik Geomatika

Publisher

Ekstraksi batas bangunan dari data point cloud LiDAR resolusi tinggi di lingkungan perkotaan masih menjadi tantangan karena variasi kepadatan titik, ketidakseimbangan kelas, noise, dan geometri bangunan yang kompleks. Studi ini menerapkan dan mengevaluasi metode Recursive Convex Hull (RCH) dan Random Forest (RF) untuk ekstraksi batas bangunan dari data point cloud LiDAR di Institut Teknologi Sumatera. Metodologinya meliputi pra-pemrosesan data LiDAR, klasifikasi ground dan non-ground, segmentasi titik bangunan, dan ekstraksi batas menggunakan RCH dan RF. Metrik evaluasi meliputi Intersection over Union (IoU), completeness, correctness, boundary Root Mean Square Error (RMSE), dan area difference, semuanya dibandingkan dengan data referensi. Hasil menunjukkan bahwa titik bangunan terdiri dari 6.558.271 titik, mewakili 3.80 persen dari total 172.521.958 titik LiDAR. Metode RCH mencapai IoU sebesar 0.787, correctness sebesar 0.845, dan boundary RMSE sebesar 36.716 m, menunjukkan kesesuaian geometris yang kuat terhadap data referensi, khususnya untuk bangunan dengan bentuk sederhana dan teratur. Sebaliknya, metode RF mencapai nilai completeness sebesar 0.935, mencerminkan sensitivitas tinggi dalam mendeteksi area bangunan dengan geometri kompleks dan kondisi lingkungan yang dipengaruhi oleh vegetasi dan distribusi titik yang bervariasi. Selain itu, temuan ini menegaskan bahwa kepadatan dan distribusi titik LiDAR memengaruhi kualitas representasi geometris, dengan RCH berkinerja baik pada distribusi teratur dan RF menunjukkan sensitivitas deteksi yang tinggi dalam kondisi data yang lebih bervariasi.

URI
https://repo.itera.ac.id/depan/submission/SB2606220103

Keyword
LiDAR Point Cloud Ekstraksi Batas Bangunan Recursive Convex Hull Random Forest Evaluasi Akurasi