INTEGRASI RESNET50 DAN GEOREFERENSI GOOGLE MAPS API UNTUK IDENTIFIKASI ALAMAT RUMAH DARI CITRA GOOGLE STREET VIEW

STUDI KASUS : WILAYAH BOJONEGORO

Abstract

Perkembangan deep learning dan teknologi geospasial mendorong pengembangan sistem identifikasi alamat rumah berbasis citra digital. Namun, proses identifikasi lokasi rumah masih mengalami kendala akibat kemiripan visual antarbangunan dan keterbatasan integrasi informasi spasial dalam pencocokan citra. Penelitian ini bertujuan mengembangkan sistem identifikasi alamat rumah dari citra Google Street View menggunakan integrasi ResNet50, cosine similarity, dan Google Maps API. Metode penelitian meliputi akuisisi citra pada wilayah Kecamatan Kapas, Balen, dan Dander di Kabupaten Bojonegoro, preprocessing data, ekstraksi fitur visual menggunakan ResNet50 berbasis transfer learning, pengukuran kemiripan citra menggunakan cosine similarity, serta ekstraksi alamat melalui georeferensi Google Maps API. Hasil penelitian menunjukkan bahwa model yang diusulkan mampu mencapai akurasi klasifikasi sebesar 97% dalam membedakan citra rumah dan non-rumah serta berhasil mengeliminasi citra duplikat secara efektif. Integrasi fitur visual dan informasi geospasial terbukti mampu meningkatkan efisiensi identifikasi alamat rumah secara otomatis dibandingkan metode manual