IMPLEMENTASI DEEP LEARNING ARSITEKTUR UNET MENGGUNAKAN CITRA SENTINEL-2 DAN GOOGLE EARTH ENGINE UNTUK PEMETAAN DEGRADASI LAHAN PERKOTAAN DI DKI JAKARTA

Arrown, David (2026) IMPLEMENTASI DEEP LEARNING ARSITEKTUR UNET MENGGUNAKAN CITRA SENTINEL-2 DAN GOOGLE EARTH ENGINE UNTUK PEMETAAN DEGRADASI LAHAN PERKOTAAN DI DKI JAKARTA. Diploma thesis, Universitas Nasional.

	Text Cover.pdf Download (844kB)
	Text Bab I.pdf Download (367kB)
	Text Bab II.pdf Download (554kB)
	Text Bab III.pdf Download (626kB)
	Text Bab IV.pdf Download (1MB)
	Text Bab V.pdf Download (353kB)
	Text Lampiran.pdf Download (509kB)

Abstract

Urbanisasi yang pesat di wilayah metropolitan Jakarta telah menyebabkan
konversi lahan vegetasi menjadi permukaan kedap air secara masif, memicu
degradasi lingkungan yang serius serta fenomena Urban Heat Island (UHI).
Pemantauan dinamika ini sering terkendala oleh proses anotasi data manual yang
memakan waktu dan keterbatasan metode Machine Learning konvensional dalam
menangkap fitur spasial perkotaan yang kompleks. Penelitian ini mengusulkan
kerangka kerja pemetaan degradasi lahan berbasis Deep Learning menggunakan
arsitektur U-Net yang diintegrasikan dengan Google Earth Engine (GEE).
Penelitian ini menerapkan pendekatan Weakly Supervised Learning, di mana model
dilatih menggunakan label otomatis (automated labeling) yang diturunkan dari
deteksi perubahan data historis Dynamic World (2017-2019 vs 2023-2025), tanpa
memerlukan digitasi manual. Data input menggunakan citra satelit Sentinel-2 tahun
2024 yang diperkaya dengan indeks spektral (NDVI, NDBI, NDMI). Untuk
mengatasi ketidakseimbangan kelas (class imbalance) dan noise pada label, model
dilatih menggunakan fungsi kerugian gabungan (hybrid loss function) yang terdiri
dari Binary Cross-Entropy dan Dice Loss. Kinerja model dievaluasi menggunakan
metrik Intersection over Union (IoU), Dice Coefficient, serta analisis sensitivitas
threshold, dan dibandingkan dengan metode baseline Otsu Thresholding. Penelitian
ini diharapkan dapat menghasilkan peta degradasi lahan resolusi tinggi (10 m) yang
akurat untuk mendukung perencanaan kota dan mitigasi lingkungan di Jakarta.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General) Q Science > QE Geology
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Vira Desintha Larasati
Date Deposited:	12 May 2026 02:48
Last Modified:	12 May 2026 02:48
URI:	https://repository.unas.ac.id/id/eprint/15904

Actions (login required)

View Item