EVALUASI PENDEKATAN EKSTRAKSI BATAS BANGUNAN OTOMATIS DARI DATA POINT CLOUD LIDAR
Penelitian ini mengevaluasi kinerja metode ekstraksi batas bangunan berbasis data LiDAR resolusi tinggi pada lingkungan perkotaan heterogen menggunakan pendekatan Random Forest (RF) dan YOLO. Analisis dilakukan pada sekitar 172 juta titik LiDAR di kawasan kampus ITERA, dengan proporsi titik bangunan sebesar 3,80 persen dari keseluruhan dataset. Proses penelitian meliputi prapemrosesan data, klasifikasi permukaan dan non-permukaan, segmentasi berbasis DBSCAN, serta ekstraksi batas bangunan. Evaluasi dilakukan menggunakan metrik IoU, completeness, correctness, boundary RMSE, dan area difference. Hasil penelitian menunjukkan bahwa RF memiliki performa terbaik dengan nilai completeness sebesar 0,935 dan IoU sebesar 0,742, yang menunjukkan kemampuan deteksi bangunan yang tinggi meskipun masih mengalami over-segmentasi. Sementara itu, YOLO menunjukkan performa yang rendah pada seluruh parameter evaluasi dengan nilai IoU sebesar 0,167 dan completeness sebesar 0,295, sehingga belum mampu merepresentasikan batas bangunan secara optimal pada data LiDAR tiga dimensi. Selain itu, penelitian menunjukkan bahwa kepadatan titik dan kualitas data LiDAR memberikan pengaruh terhadap akurasi ekstraksi batas bangunan. Secara keseluruhan, penelitian ini menunjukkan bahwa tidak terdapat satu metode yang mampu mengoptimalkan seluruh aspek evaluasi secara bersamaan sehingga pemilihan metode perlu disesuaikan dengan tujuan analisis dan karakteristik data yang digunakan.
URI
https://repo.itera.ac.id/depan/submission/SB2607300023
Keyword
Titik Awan Lidar Ekstraksi Batas Bangunan Random Forest YoLo