Klasifikasi Objek Menggunakan Convolutional Neural Network pada Citra Satelit

Abstract

Penelitian ini mengkaji klasifikasi objek menggunakan Convolutional Neural Network (CNN) pada citra satelit, dengan fokus pada tinjauan literatur dari berbagai studi relevan yang diterbitkan antara tahun 2020 hingga 2025. Metode penelitian kepustakaan digunakan untuk mengidentifikasi jurnal-jurnal yang membahas penerapan CNN dalam berbagai konteks klasifikasi citra, termasuk deteksi target militer, tutupan lahan, citra jalan rusak, jenis sampah, bunga, citra hiperspektral, aktivitas olahraga, jenis anggur, dan pohon kelapa sawit. Hasil tinjauan menunjukkan bahwa CNN secara konsisten memberikan akurasi tinggi dalam berbagai aplikasi klasifikasi citra, dengan beberapa studi mencapai akurasi di atas 95%, bahkan hingga 99,25% untuk klasifikasi citra hiperspektral. Meskipun demikian, tantangan seperti false positive pada klasifikasi tutupan lahan dan kebutuhan akan pengembangan model berkelanjutan untuk aplikasi kritis seperti deteksi target militer masih menjadi perhatian. Penelitian ini menegaskan potensi luas CNN dalam analisis citra satelit dan data visual lainnya, sekaligus menyoroti area yang memerlukan pengembangan lebih lanjut untuk optimalisasi kinerja dan keandalan.