Yogyakarta, 26 Maret 2026 – Tim peneliti dari Laboratorium Teknologi Fotogrametri dan Penginderaan Jauh, Departemen Teknik Geodesi Fakultas Teknik Universitas Gadjah Mada (FT UGM), berhasil mempublikasikan hasil penelitian dalam forum internasional bertajuk 2025 IEEE Asia-Pacific Conference on Geoscience, Electronics and Remote Sensing Technology. Publikasi tersebut berjudul Performance Analysis of Point Cloud Classification Techniques Using UAV LiDAR Data dan ditulis oleh Calvin Wijaya, Ruli Andaru, Harintaka, serta Catur Aries Rokhmana. Penelitian ini membahas analisis performa berbagai metode klasifikasi point cloud yang diperoleh dari teknologi UAV LiDAR. Data yang digunakan memiliki kepadatan tinggi, yaitu sekitar 54,866 titik per meter persegi, sehingga memberikan dasar yang kuat untuk analisis tiga dimensi dan pemodelan spasial.
Dalam studi ini, tiga pendekatan utama dibandingkan, yaitu metode berbasis geometri konvensional, machine learning, dan deep learning. Untuk pendekatan machine learning, digunakan algoritma Random Forest (RF) dan Extreme Gradient Boosting (XGB) dengan fitur RGB yang diekstraksi dari data point cloud. Sementara itu, pendekatan deep learning diimplementasikan menggunakan model PointNet dan Dynamic Graph Convolutional Neural Network (DGCNN). Hasil penelitian menunjukkan bahwa pendekatan deep learning memberikan performa terbaik dalam klasifikasi data. Model DGCNN mencapai akurasi keseluruhan sebesar 93%, diikuti oleh PointNet dengan sekitar 89%. Di sisi lain, metode machine learning menunjukkan performa yang relatif lebih rendah. Namun demikian, penelitian ini juga menegaskan adanya trade-off antara akurasi dan kebutuhan komputasi, di mana metode deep learning memerlukan sumber daya komputasi yang lebih besar.
Temuan ini menegaskan bahwa klasifikasi point cloud yang akurat merupakan fondasi penting dalam berbagai aplikasi lanjutan, seperti pembuatan model kota tiga dimensi (3D city modeling) berbasis UAV LiDAR serta analisis spasial lainnya. Publikasi ini dipresentasikan pada konferensi yang diselenggarakan pada 17–18 Desember 2025 di Purwokerto, Indonesia, dan telah terindeks dalam IEEE Xplore sejak 26 Maret 2026 dengan DOI: https://doi.org/10.1109/AGERS67633.2025.11446400. Kontribusi tim peneliti ini menunjukkan komitmen Departemen Teknik Geodesi FT UGM dalam mengembangkan teknologi penginderaan jauh dan pemodelan geospasial berbasis data mutakhir untuk mendukung berbagai kebutuhan analisis dan pembangunan berkelanjutan.
