Identifikasi tempat pengambilan foto jalan di Kota Malang menggunakan metode Neural Network

INDONESIA:
Penelitian ini mengkaji identifikasi lokasi pengambilan foto jalan di Kota Malang menggunakan metode Neural Network. Tantangan dalam identifikasi lokasi dari citra digital seperti pencahayaan, sudut pengambilan, dan kemiripan visual antar jalan, menjadikan pendekatan manual kurang efektif. Oleh karena itu, pendekatan otomatis melalui Neural Network dipilih karena kemampuannya
mengenali pola-pola kompleks dalam data visual. Data diambil dari lima ruas jalan di Kota Malang dan diproses dengan tahapan resizing, ekstraksi nilai RGB, dan pelatihan model menggunakan teknik K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan beberapa jalan dengan
akurasi yang cukup baik, meskipun terdapat kelas jalan tertentu yang sering salah diklasifikasi. Model dengan K=3 menunjukkan performa lebih optimal dibandingkan K=5. Penelitian ini diharapkan memberikan kontribusi dalam pengembangan teknologi identifikasi lokasi untuk dokumentasi wisata, pengelolaan kota, dan promosi destinasi secara otomatis.

ENGLISH:
This study investigates the identification of street photo locations in Malang City using the Neural Network method. Challenges in identifying locations from digital images such as lighting, shooting angles, and visual similarities between roads make manual approaches less effective. Therefore, an automatic approach through Neural Networks was chosen due to its ability to recognize complex patterns in visual data. The data were collected from five streets in Malang City and processed through resizing, RGB value extraction, and model training using K-Fold Cross Validation. The results showed that the model could classify several streets with reasonably good accuracy, although some specific classes were often misclassified. The model with K=3 demonstrated better performance compared to K=5. This research is expected to contribute to the development of location identification technologies for tourism documentation, urban management, and automated destination promotion.

ARABIC:
تتناول هذه الدراسة تحديد موقع التقاط صور الطرق في مدينة مالانج باستخدام طريقة الشبكات العصبية. التحديات في تحديد المواقع من الصور الرقمية مثل الإضاءة، زاوية الالتقاط، والتشابه البصري بين الطرق تجعل النهج اليدوي غير فعال. لذلك، تم اختيار النهج الآلي من خلال الشبكات العصبية بسبب قدرتها على التعرف على الأنماط المعقدة في البيانات البصرية. تم جمع البيانات من خمسة طرق في مدينة مالانج وتمت معالجتها بمراحل تغيير الحجم، واستخلاص قيم RGB، وتدريب النموذج باستخدام تقنية التحقق المتقاطع K-Fold. أظهرت نتائج الدراسة أن النموذج قادر على تصنيف بعض الطرق بدقة جيدة، على الرغم من وجود بعض الطرق التي تم تصنيفها بشكل خاطئ. أظهر النموذج باستخدام K=3 أداءً أكثر كفاءة مقارنة بـ K=5. ومن المتوقع أن تسهم هذه الدراسة في تطوير تقنيات تحديد المواقع لأغراض التوثيق السياحي، وإدارة المدن، والترويج التلقائي للمواقع السياحية.