Tim peneliti dari Departemen Teknik Geodesi, Fakultas Teknik, Universitas Gadjah Mada (UGM) mengembangkansistem pemodelan bangunan tiga dimensi (3D) otomatis yang dinamakan CASCADE-3D. Studi ini disusun oleh Ruli Andaru, Bambang Kun Cahyono, Bambang Kun Yulaikhah, Trias Aditya, Purnama Budi Santosa, Calvin Wijaya, Riyas Syamsul, Fairuz Akmal, Hyatma Adikara, Habib Muhammad, dan Fikri Kurniawan. Artikel ilmiah tersebut dipublikasikan pada tanggal 19 Februari 2026 dalam IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, sebuah jurnal internasional yang berfokus pada observasi bumi dan penginderaan jauh.
Intisari dari penelitian bertajuk “CASCADE-3D: A GUI-Driven Framework for Automated 3D Building Model Reconstruction” ini adalah pengembangan kerangka kerja berbasis antarmuka grafis (GUI) untuk merekonstruksi model bangunan 3D pada tingkat detail (Level of Detail/LOD) 1 dan 2 secara otomatis. Sistem ini mengintegrasikan teknologi deep learning tingkat lanjut, yakni Segment Anything Model (SAM) untuk mendeteksi garis luar bangunan serta algoritma Dynamic Graph Convolutional Neural Network (DGCNN) untuk klasifikasi data point cloud. Dengan pendekatan ini, proses pengolahan data geospasial yang kompleks dapat dilakukan secara lebih efisien dan interaktif, memungkinkan ekstraksi data ketinggian bangunan dari data pemindaian laser mentah dengan presisi yang optimal.
Implementasi teknologi CASCADE-3D ini diarahkan untuk mendukung penyediaan data geospasial yang cepat guna manajemen pertanahan multiguna. Hal ini sejalan dengan upaya pencapaian Tujuan Pembangunan Berkelanjutan atau Sustainable Development Goals (SDGs), terutama SDG 9 (Industri, Inovasi, dan Infrastruktur) melalui penguatan riset ilmiah dan peningkatan kapasitas teknologi. Selain itu, pengembangan ini juga berkontribusi pada SDG 11 (Kota dan Permukiman yang Berkelanjutan) dengan menyediakan instrumen teknis yang mendukung perencanaan kota cerdas serta pengelolaan infrastruktur pemukiman yang lebih terukur dan terintegrasi.
Link artikel: https://doi.org/10.1109/JSTARS.2026.3663677