View/Open

Author
M., Rafli Al Kadri

Date Published
22 May 2026

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

Subject
Teknik Geomatika

Publisher

Teknologi Light Detection and Ranging (LiDAR) secara luas digunakan untuk menghasilkan Digital Terrain Model (DTM) dan Digital Surface Model (DSM) beresolusi tinggi, di mana akurasi sangat bergantung pada klasifikasi titik tanah dan non-tanah yang efektif. Penelitian ini mengusulkan strategi klasifikasi otomatis menggunakan algoritma Random forest (RF) pada data LiDAR udara di Institut Teknologi Sumatera (ITERA), Indonesia. Proses meliputi pra-pemrosesan data, klasifikasi berbasis fitur, validasi dengan data referensi, serta penilaian akurasi menggunakan metrik statistik. Hasilnya, metode ini mencapai akurasi keseluruhan sebesar 0,86, dengan kelas vegetasi menunjukkan performa terbaik (F1-score: 0,97), sedangkan kelas tanah dan bangunan mengalami ketidakseimbangan precision dan recall. DTM yang dihasilkan memiliki RMSE vertikal sebesar 0,471 m, sementara DSM lebih tinggi dengan RMSE 0,068 m. Analisis menunjukkan salah klasifikasi vegetasi rendah sebagai tanah berdampak pada kualitas DTM di area kompleks. Temuan ini menegaskan bahwa akurasi klasifikasi sangat berpengaruh terhadap keandalan model permukaan berbasis LiDAR.

URI
https://repo.itera.ac.id/depan/submission/SB2606260097

Keyword
Light Detection and Ranging (LiDAR) Point cloud Classification Random forest Digital Terrain Model (DTM) Digital Surface Model (DSM) Digital Surface Model (DSM) Surface Model Reliability