Penerapan Metode Deep Learning Mask R-Cnn Untuk Identifikasi Bangunan Baru Sebagai Objek Pajak Di Desa Gadingmangu, Kecamatan Perak, Kabupaten Jombang

Abstract

Pertumbuhan kawasan permukiman di wilayah pedesaan terus meningkat, sehingga banyak muncul bangunan baru yang belum tercatat sebagai objek pajak. Proses pendataan secara manual yang dilakukan petugas lapangan sering kali memerlukan waktu lama dan berpotensi menimbulkan kesalahan pencatatan. Dalam penelitian ini, digunakan pendekatan Mask R-CNN untuk mengenali objek bangunan pada citra satelit beresolusi tinggi di Desa Gadingmangu, Kecamatan Perak, Kabupaten Jombang. Data citra melalui tahap pra-pemrosesan, anotasi, dan konversi ke format COCO sebelum digunakan dalam proses pelatihan model berbasis backbone ResNet-50 yang dikombinasikan dengan Feature Pyramid Network (FPN). Hasil pengujian menunjukkan bahwa seluruh tahapan — mulai dari pengolahan data, pelatihan model, hingga proses prediksi — dapat dijalankan dengan baik tanpa kendala teknis. Meski demikian, model belum mampu mengenali bangunan secara optimal karena jumlah data latih yang terbatas dan durasi pelatihan yang singkat. Penelitian ini memberikan bukti konsep (proof of concept) penerapan Mask R-CNN untuk deteksi bangunan pada citra satelit dan berpotensi dikembangkan lebih lanjut guna mendukung pembaruan data Pajak Bumi dan Bangunan (PBB) secara otomatis di tingkat daerah.