Pemetaan Sebaran Bantuan Rumah Layak Huni Menggunakan Teknologi Deep Learning EfficientNet-B0 Dan Sistem Informasi Geografis (SIG) Di Kota Banda Aceh

Penyaluran bantuan rumah layak huni memerlukan informasi yang akurat agar proses validasi penerima manfaat dapat dilakukan secara tepat sasaran. Penelitian ini bertujuan mengimplementasikan Deep Learning EfficientNet-B0 yang diintegrasikan dengan Sistem Informasi Geografis (SIG) untuk menghasilkan pemetaan sebaran bantuan rumah layak huni di Kota Banda Aceh. Dataset yang digunakan terdiri atas 1.196 citra rumah, meliputi 598 citra rumah layak huni dan 598 citra rumah tidak layak huni, yang diperoleh dari citra Google Earth berdasarkan koordinat GPS hasil survei lapangan. Proses klasifikasi dilakukan menggunakan model EfficientNet-B0 dengan pendekatan transfer learning, kemudian dievaluasi menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil klasifikasi selanjutnya diintegrasikan ke dalam QGIS untuk menghasilkan peta sebaran berdasarkan koordinat geografis. Hasil penelitian menunjukkan bahwa model EfficientNet-B0 memperoleh akurasi sebesar 98,35% dengan nilai precision, recall, dan F1-score yang tinggi, serta mampu melakukan prediksi secara konsisten pada data citra baru. Integrasi dengan Sistem Informasi Geografis berhasil menghasilkan peta sebaran rumah layak huni dan rumah tidak layak huni yang dapat dimanfaatkan sebagai informasi pendukung dalam proses validasi penerima manfaat bantuan rumah layak huni di Kota Banda Aceh, meskipun belum dilakukan implementasi secara langsung pada instansi pemerintah.