DETEKSI EROSI SUNGAI MELALUI CITRA SATELIT UNTUK PENCEGAHAN BANJIR DENGAN PENDEKATAN DEEP LEARNING

RIZKY ARDHIANSYAH. DETEKSI EROSI SUNGAI MELALUI CITRA
SATELIT UNTUK PENCEGAHAN BANJIR DENGAN PENDEKATAN DEEP
LEARNING. Dibimbing oleh DESSY SANTI.
Penelitian ini dilatarbelakangi oleh meningkatnya risiko banjir akibat
perubahan morfologi sungai yang dipengaruhi oleh proses erosi dan sulit dipantau
secara konvensional. Penelitian ini bertujuan mengembangkan sistem deteksi erosi
sungai berbasis citra satelit menggunakan pendekatan Deep Learning untuk
mendukung upaya pencegahan banjir. Metode penelitian meliputi preprocessing
citra, pelabelan segmentasi, serta pelatihan model U-Net dengan backbone
ResNet50 untuk melakukan segmentasi area sungai. Hasil segmentasi digunakan
untuk ekstraksi fitur morfologi berupa sinuosity, laju pelebaran sungai, dan
pergeseran tepi sungai. Selanjutnya dilakukan klasifikasi tingkat erosi
menggunakan metode stacking classifier yang menggabungkan Random Forest,
Support Vector Machine, dan XGBoost. Penelitian juga menerapkan metode
SMOTE dan class weight untuk mengatasi ketidakseimbangan data. Hasil
penelitian menunjukkan bahwa model segmentasi memperoleh accuracy sebesar
0,9737 dan IoU sebesar 0,8300, sedangkan model klasifikasi menghasilkan akurasi
sebesar 0,9773. Analisis SHAP menunjukkan bahwa fitur sinuosity memiliki
pengaruh paling besar terhadap proses klasifikasi erosi sungai. Penelitian ini
menghasilkan sistem berbasis web yang mampu melakukan analisis erosi sungai
secara otomatis sebagai pendukung mitigasi banjir.
Kata kunci: citra satelit, Deep Learning, deteksi erosi, pencegahan banjir,
sungai