Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Geoid - Journal of Geodesy and Geomatics

Analisis Kehandalan Ekstraksi Garis Tepi Bangunan dari Data Foto Udara Menggunakan Pendekatan Deep Learning Berbasis Mask R-CNN Agri Kristal; Harintaka Harintaka
Geoid Vol 17, No 2 (2022)
Publisher : Department of Geomatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24423998.v17i2.11401

Abstract

Kebutuhan peta dasar skala besar khususnya skala 1:5.000 terus meningkat dari waktu ke waktu. Pada umumnya ekstraksi fitur unsur Peta Rupa Bumi Indonesia (RBI) salah satunya adalah bangunan dilakukan dengan dijitasi atau stereoplotting unsur secara manual baik dari data citra satelit maupun data foto udara. Namun hal itu memiliki kelemahan yaitu membutuhkan waktu yang lama tergantung pada kepadatan dan jumlah bangunan pada area yang akan dipetakan. Di sisi lain Pemerintah Indonesia menjadikan percepatan penyelenggaraan Peta RBI skala 1:5000 menjadi salah satu prioritas utama dalam kegiatan kebijakan satu peta. Deteksi dan ekstraksi garis tepi bangunan secara otomatis menggunakan teknologi computer vision dari citra optis dan data point cloud LiDAR telah populer beberapa tahun terakhir. Salah satu teknologi yang dikembangkan adalah dengan pendekatan deep learning. Ekstraksi garis bangunan dengan pendekatan deep learning memiliki kelemahan yaitu poligon garis tepi bangunan yang dihasilkan tidak teratur. Penelitian ini bertujuan untuk mengetahui akurasi hasil regularisasi poligon dari ekstraksi garis tepi bangunan secara otomatis menggunakan metode deep learning berbasis Mask Region-base Convolutional Neural Networks (Mask R-CNN) dari data foto udara. Hasil penelitian menunjukkan pada area bangunan dengan kepadatan tinggi dan bentuk yang teratur (AoI 1) memiliki nilai indeks Intersection over Union (IoU) sebesar 87,8% sedangkan pada area dengan kepadatan tinggi dengan bentuk atap bangunan yang tidak teratur (AoI 2) memiliki nilai indeks IoU sebesar 82,6%. Kemudian juga dilakukan perhitungan akurasi posisi pada 25 sampel titik sudut bangunan dengan hasil CE90 pada AoI 1 sebesar 1,183 m dan pada AoI 2 sebesar 1,303 m. Secara geometri data garis tepi bangunan hasil regularisasi tersebut sudah dapat digunakan sebagai unsur bangunan Peta RBI skala 1:5.000 karena dari hasil perhitungaan uji ketelitian geometrik horisontal (CE90) menunjukkan bahwa data tersebut masuk dalam ketelitian Peta RBI 1:5.000 kelas satu.
Kajian Keandalan True Orthophoto Untuk Pemetaan Skala Besar 1 : 5.000 Andita Putri Damayanti; Harintaka Harintaka
Geoid Vol 16, No 2 (2021)
Publisher : Department of Geomatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24423998.v16i2.8220

Abstract

Pembangunan kewilayahan yang merata di Indonesia masih terkendala dengan tidak tersedianya peta dasar skala besar sebagai bahan utama dalam penyusunan Rencana Detail Tata Ruang (RDTR). Data orthophoto dapat digunakan sebagai alternatif sumber data dalam penyediaan peta dasar skala besar. Penelitian ini bertujuan untuk mengkaji keandalan data true orthophoto hasil dense image matching dibandingkan dengan ground orthophoto bagi pembuatan unsur peta dasar skala besar di Indonesia. Area penelitian mengambil sampel wilayah urban, wilayah lahan terbuka dan wilayah bervegetasi. Tahap penelitian meliputi persiapan, pembentukan true orthophoto, dan analisis perbandingan antara unsur tutupan lahan pada true orthophoto dengan unsur tutupan lahan pada ground orthophoto. Berdasarkan hasil penelitian,true orthophoto memiliki kelemahan pada visualisasinya. Tingkat kecerahan dan kejelasan objek tutupan lahannya masih lebih rendah dibandingkan dengan data ground orthophoto. Kelemahan true orthophoto pada wilayah urban adalah banyaknya variasi rona piksel pada objek yang mengaburkan batas tutupan lahan, dominasi rona piksel objek yang menghilangkan objek lainnya dan adanya efek gergaji (sawtooth effect) pada bangunan tinggi. Untuk wilayah lahan terbuka dan wilayah bervegetasi terdapat kumpulan  piksel yang berwarna abu-abu hingga kehitaman pada objek tutupan lahan. Perbedaan gelap terang piksel pada objek tutupan lahan dapat mempersulit identifikasi batas tutupan lahan.  Secara geometri, data true orthophoto dapat digunakan untuk pembuatan peta dasar skala besar 1 : 5.000, hal ini ditunjukkan dengan hasil uji ketelitian geometrik horisontal (CE90) pada wilayah penelitian yang masuk ke dalam ketelitian peta RBI 1 : 5.000 kelas duaPembangunan kewilayahan yang merata di Indonesia masih terkendala dengan tidak tersedianya peta dasar skala besar sebagai bahan utama dalam penyusunan Rencana Detail Tata Ruang (RDTR). Data orthophoto dapat digunakan sebagai alternatif sumber data dalam penyediaan peta dasar skala besar. Penelitian ini bertujuan untuk mengkaji keandalan data true orthophoto hasil dense image matching dibandingkan dengan ground orthophoto bagi pembuatan unsur peta dasar skala besar di Indonesia. Area penelitian mengambil sampel wilayah urban, wilayah lahan terbuka dan wilayah bervegetasi. Tahap penelitian meliputi persiapan, pembentukan true orthophoto, dan analisis perbandingan antara unsur tutupan lahan pada true orthophoto dengan unsur tutupan lahan pada ground orthophoto. Berdasarkan hasil penelitian,true orthophoto memiliki kelemahan pada visualisasinya. Tingkat kecerahan dan kejelasan objek tutupan lahannya masih lebih rendah dibandingkan dengan data ground orthophoto. Kelemahan true orthophoto pada wilayah urban adalah banyaknya variasi rona piksel pada objek yang mengaburkan batas tutupan lahan, dominasi rona piksel objek yang menghilangkan objek lainnya dan adanya efek gergaji (sawtooth effect) pada bangunan tinggi. Untuk wilayah lahan terbuka dan wilayah bervegetasi terdapat kumpulan  piksel yang berwarna abu-abu hingga kehitaman pada objek tutupan lahan. Perbedaan gelap terang piksel pada objek tutupan lahan dapat mempersulit identifikasi batas tutupan lahan.  Secara geometri, data true orthophoto dapat digunakan untuk pembuatan peta dasar skala besar 1 : 5.000, hal ini ditunjukkan dengan hasil uji ketelitian geometrik horisontal (CE90) pada wilayah penelitian yang masuk ke dalam ketelitian peta RBI 1 : 5.000 kelas dua.The unavailability of a large scale base map creates a challenge to entirely develop equal territorial in Indonesia as the primary material for preparing Detailed Spatial Plan (DSP). The orthophoto data is used as an alternative source of data in the provision of large-scale maps. This study aims to examine the results of true orthophoto of dense image matching for producing the large-scale topographical elements of 1: 5,000. The findings are compared with ground orthophoto data in the same territory. The samples were urban areas, open land areas, and vegetated areas. The research consists of preparation, generate true orthophoto, and comparative analysis of research findings with ground orthophoto. The true orthophoto of dense image matching results has weaknesses in its visualization. The level of brightness and clarity of the land is lower than the ground orthophoto. The weakness of true orthophoto in urban areas is many hue variations of pixels on objects that obscure the land boundaries, the dominance of object pixel hue that removes other objects, and the sawtooth effect on the high buildings. Thus, there is a gray collection of black pixels on the land object for open land and vegetated areas. The difference in dark and light pixels of land objects complicates the identification of land boundaries. Geometrically, true orthophoto data of dense image matching used as primary data for making large-scale base maps of 1: 5.000 is indicated by the horizontal geometric accuracy test (CE90) in the research area that includes the second class topographical map accuracy of 1:5.000.
Pembuatan Model 3D Bangunan LoD3 Dengan Pemanfaatan Foto Udara dan Fotogrametri Terrestris Muh Apriansyah; Harintaka Harintaka
Geoid Vol 18, No 2 (2023)
Publisher : Department of Geomatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24423998.v18i2.14673

Abstract

Foto udara maupun fotogrametri terrestris yang merupakan teknologi dari fotogrametri dapat digunakan untuk pemodelan 3D. Untuk menampilkan sebuah informasi secara visual yang mengutamakan nilai estetika dan bentuk ojeknya. Fotogrametri telah lama digunakan untuk dokumentasi bangunan dan benda cagar budaya. Teknik ini memungkinkan untuk membuat model 3D dari foto 2D, dan dengan demikian sangat berguna dalam visualisasi detail arsitektur suatu bangunan atau gedung. Pada penelitian ini, dilakukan pemodelan bangunan 3D di wilayah Asrama Putri Ratnaninngsih Kinanti Universitas Gadjah Mada menggunakan metode kombinasi foto udara dan fotogrametri terrestris dengan memanfaatkan teknologi SfM (structure from motion). Point cloud diperoleh dari pengolahan foto udara dan fotogrametri terrestris. Kamera yang terpasang pada wahana udara yang digunakan untuk mengakuisisi data foto memungkinkan untuk mengakuisisi bagian bangunan seperti atap dan detail bangunan atau bagian gedung yang tidak memungkinkan menggunakan fotogrametri terrestris. Point cloud yang diperoleh dari hasil pengolahan SfM digunakan untuk melakukan pemodelan 3D dengan melakukan digitasi manual setiap elemen bangunan seperti jendela,pintu, lorong dan elemen bangunan lainya sesuai batasan tepi pada point cloud. Model 3D bangunan yang berhasil dimodelkan dari 1201 foto dan 19 buah sebaran titik kontrol tanah, apabila dilihat secara visual serupa dengan model dan bentuk obyek yang sebenarnya. Fasad yang terbentuk dari pemodelan hampir mengikuti model aslinya seperti pintu, jendela, lorong, dan teralis dapat terlihat pada model 3D. Metode yang diterapkan dalam penelitian ini memberikan hasil yang baik. Model 3D yang dihasilkan dari penelitian ini memiliki ketelitian posisi geometri sebesar 8,843 cm dan ketelitian tinggi (H) 5,377 cm, ketelitian dimensi sebesar 11,120 cm dengan kelengkapaan semantik bangunan yang sesuai dengan bangunan aslinya.  Proses pemodelan 3D secara otomastis  menggunakan teknologi SfM (Structure from Motion) tersebut menghasilkan model bangunan 3D dalam Level of Detail (LoD) 3 dengan nilai Root Mean Square Error < 0,5 meter berdasarkan standar City Geography Markup Language (CityGML).
Pembuatan Model Prediksi Lahan Terbangun di Kabupaten Kulon Progo dengan Citra Satelit Penginderaan Jauh Rifqi Alghifari Wibowo; Harintaka Harintaka
Geoid Vol 19, No 1 (2023)
Publisher : Department of Geomatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24423998.v19i1.17571

Abstract

Perubahan tutupan lahan terbangun pada kota atau kabupaten menjadi suatu hal umum yang sering terjadi dan terus berkembang di kawasan yang cepat tumbuh. Perkembangan lahan terbangun tersebut dapat diprediksi dengan melakukan pembuatan model prediksi dengan menggunakan teknologi penginderaan jauh dan sistem informasi geografis. Pada kajian ini, dilakukan pemodelan prediksi tutupan lahan di wilayah Kabupaten Kulon Progo pada tahun 2023 dengan menggunakan metode Cellular Automata (CA). Model prediksi tersebut disusun dengan hasil klasifikasi tutupan lahan pada tahun 2017 dan 2020 dengan menggunakan algoritma Support Vector Machine (SVM) dan variabel spasial berupa jangkauan jalan terhadap lahan terbangun. Model prediksi lahan terbangun yang berhasil dimodelkan memiliki pola persebaran dimana kelas daerah bervegetasi banyak mendominasi di Kapanewon Kokap, Girimulyo, Samigaluh, dan Kalibawang. Untuk Kapanewon lain lebih didominasi oleh tutupan lahan pertanian dan lahan terbangun. Berkaitan dengan itu, luasan tutupan lahan untuk masing-masing kelas meliputi lahan terbangun dengan 7.353,84 ha, badan air dengan 440,59 ha, daerah bervegetasi dengan 29.273,71 Ha, lahan pertanian dengan 17.665,76 ha, dan lahan terbuka dengan 2.920,24 ha. Di samping itu, untuk nilai akurasi tutupan lahan terbangun pada model prediksi memiliki nilai producer’s accuracy dan user’s accuracy secara berturut-turut sebesar 89% dan 76%. Adapun secara keseluruhan model prediksi ini mendapatkan nilai overall accuracy dan Indeks Kappa berturut-turut sebesar 81% dan 0,75. Berdasarkan nilai tersebut, model prediksi memiliki nilai akurasi yang cukup baik dan dapat digunakan sebagai salah satu alternatif untuk menjadi acuan dalam melihat potensi perubahan yang terjadi di masa yang akan datang.