Abstract
Pemetaan tutupan lahan secara manual memakan waktu dan sulit diperbarui berkala. Penelitian ini memodifikasi arsitektur U-Net dengan mekanisme perhatian untuk segmentasi citra Sentinel-2. Wilayah kajian meliputi 2.400 kilometer persegi di Kalimantan Tengah dengan enam kelas tutupan lahan. Model mencapai Intersection over Union rata-rata 0,847, meningkat 0,062 dibandingkan U-Net standar. Peningkatan terbesar terjadi pada kelas lahan basah yang selama ini sulit dibedakan.
Keywords
segmentasi citra
U-Net
penginderaan jauh
tutupan lahan