Sistem Klasifikasi Penggunaan Lahan Berbasis Data Spasial Dalam Penilaian Massal

Abstract

Penelitian ini berfokus pada masalah yang dihadapi dalam penilaian massal properti di Indonesia yang memiliki lanskap perkotaan heterogen, sehingga diperlukan sistem klasifikasi lahan yang terstandarisasi untuk menggambarkan perubahan nilai properti dengan tepat. Tujuan dari studi ini adalah untuk menciptakan model otomatis untuk klasifikasi penggunaan lahan dengan memanfaatkan arsitektur deep learning ResNet-50. Metode yang digunakan dalam penelitian ini mencakup pengambilan fitur dari citra satelit berkualitas tinggi untuk mengidentifikasi enam jenis penggunaan lahan, yaitu area hijau, kawasan permukiman kumuh-padatan, permukiman menengah hingga atas, kawasan premium, industri, dan komersial sebagai objek penilaian. Temuan penelitian ini menunjukkan bahwa penggunaan ResNet-50 sangat efektif dalam melakukan segmentasi daerah perkotaan dengan akurasi tinggi, yang secara signifikan meningkatkan efisiensi waktu dan sumber daya dibandingkan dengan teknik tradisional. Penerapan model ini menyediakan basis data spasial yang objektif dan terukur, sehingga membantu dalam mengidentifikasi wilayah nilai tanah yang penting untuk dinamika pasar properti. Pendekatan ini mendukung upaya digitalisasi dalam sektor penilaian aset serta memperkuat pengambilan keputusan yang berlandaskan data dalam konteks pembangunan berkelanjutan di Indonesia.