Ekstraksi jalan merupakan proses memisahkan objek yang mewakili jalan pada suatu citra.
Pada era modern saat ini kebutuhan masyarakat akan informasi jalan semakin meningkat
dibandingkan sebelumnya. Jalan dibutuhkan untuk manajemen lalu lintas, bantuan
kemanusiaan, pemutakhiran peta, dll. Untuk mendapat update terbaru dari google maps
dibutuhkan waktu dan proses yang lama karena menggunakan metode manual untuk ekstraksi
jalan.
Solusi yang ditawarkan untuk mengatasi masalah tersebut adalah dengan melakukan
ekstraksi jalan menggunakan deep learning. Solusi ini dipilih karena dinilai menjadi alat yang
efektif untuk mempercepat proses gambar dan deteksi objek jalan. Model PSPNet (Pyramid
Scene Parsing Network) digunakan karena model ini memiliki kerangka kerja yang unggul
untuk prediksi tingkat piksel. Model akan diujikan dengan dua dataset yang berbeda yaitu
dataset anotasi OBIA dan dataset anotasi digitasi.
Pengujian dilakukan dengan memperhatikan hyperparameter seperti learning rate, batch
size, dan epoch. Hasil pengujian didapatkan bahwa model dapat mengestraksi jalan dengan
dataset yang berbeda dan dapat menunjukkan hasil akurasi, performasi berupa IoU score, dice
loss dan predicted mask juga ditampilkan diakhir pengujian. Pengujian model menggunakan
dataset anotasi OBIA menunjukkan hasil gambar kurang akurat dibandingkan dataset anotasi
digitasi karena model tidak bisa melakukan prediksi dengan baik yang disebabkan oleh dataset
anotasi OBIA masih terdapat noise.
Kata kunci : ekstraksi jalan, PSPNet, dataset anotasi OBIA, dataset anotasi digitasi