Webinar AI Deteksi BT Mulyadi
Webinar AI Deteksi BT Mulyadi
Computer Vision adalah ilmu dan teknologi mesin yang melihat, di mana “lihat”
dalam hal ini berarti bahwa mesin mampu mengekstrak informasi dari gambar:
untuk menyelesaikan tugas tertentu
5
Konsep dan Tantangan
6
ProsesComputer
4 Tahapan DalamVision:
Computer Vision
9
LATAR BELAKANG
11
Implikasi Data yang Tidak Sesuai Kenyataan
Posisi bidang tanah berubah-ubah Gambar SUtidak sesuai dengan peta digital
Jumlah kepemilikan bidang tanah yang tidak wajar Bentuk Bidang tanah yang berupa NIS tidak wajar
• Inefisiensi dalam penggunaan anggaran PTSL • Mempersulit masyarakat yang akan mensertipikatkan
• Beberapa masyarakat tidak mau menerima sertipikat tanahnya di kemudian hari karena penlok PTSLditutup
yang tidak sesuai dengan bentuk bidang tanahnya setelah diperolehnya NDL padahal isinya NIS
karena di pacah-pecah • Inefesiensi dalam pelayanan pertanahan selanjutnya
12
Deskripsi Singkat Inovasi
• Model klasifikasi untuk deteksi unggahan buku tanah dibuat menggunakan konsep model klasifikasi
citra Supervised learning.
• Supervised learning sendiri merupakan metode mengenali data raster dengan cara sistim belajar
terawasi.
• Pada program computer vision, sengaja diberikan beberapa contoh data raster hasil scan yang telah
diketahui jenis/ klasifikasinya sebagai bahan pembelajaran atau pelatihan oleh sistim.
13
Membuat Training Sample
Sample Buku Tanah Yang Salah
14
Library dan dependensi yang digunakan
● PYTHON
○ flask
○ Os
○ Fitz
○ Garbage collector (gc)
○ Numpy
○ import random
Opencv
pdf2image import convert_from_path
pdfinfo_from_path
Cvzone:
Opencv
Mediapipe
psycopg2
15
Fungsi algoritma pada service (1)
def bulkInsert(records):
connection = psycopg2.connect(user=“*********",
password=“*******",
host=“*****",
port=“******",
database=“*****
try:
cursor = connection.cursor()
sql_insert_query = """ INSERT INTO poc.img_clasification_train (nama_file, confident_class1, confident_class2,dokumenid,versi)
VALUES (%s,%s,%s,%s,%s) """
finally:
# closing database connection.
if connection:
cursor.close()
connection.close()
print("PostgreSQL connection is closed")
16
Fungsi algoritma pada service (2)
● Fungsi dan prosedur dalam program service deteksi buku tanah
q def pdf_get_img(file_name: str): berfungsi untuk mengubah file pdf menjadi pecahan-
pecahan images yang nantinya akan di jadikan input pada fungsi clasifikasi citra
image_list = []
info = pdfinfo_from_path(file_name)
maxPages = info["Pages"]
for page in range(1, maxPages + 1, 5):
image_list.extend(convert_from_path(file_name, first_page=page, last_page=min(page + 5 - 1, maxPages)))
return image_list
Code penerapan model clasifikasi citra pada service deteksi buku tanah :
for i in range(len(img)):
images = np.array(img[i])
pred, indx = myclasifier.getPrediction(images)
labl[i] = indx
class1=class1+pred[0]
class2= class2 + pred[1]
Code diatas adalah code untuk melakukan clasifikasi seluruh citra dari file pdf yang di upload yang mana return dari
klasifikasi merupakan nilai confident level apakah citra tersebut termasuk buku tanah atau bukan.
17
Code front end service
<head>
<meta charset="UTF-8">
<div class="container">
<div class="row">
<div class="col">
<h1>Upload a file</h1>
<hr>
<div class="form-group">
<div class="custom-file">
<input type="text" class="custom-file-input" name="dokumenidbox" id="dokumenidbox">
<label class="custom-file-label" for="dokumenidbox">masukkan dokumenid</label>
</div>
<div class="custom-file">
<input type="text" class="custom-file-input" name="versi" id="versi">
<label class="custom-file-label" for="versi">masukkan versi</label>
</div>
<label>Select file</label>
<div class="custom-file">
<input type="file" class="custom-file-input" name="dokumen" id="dokumen">
<label class="custom-file-label" for="dokumen">Select file...</label>
</div>
</div>
</form>
18
Menu manajemen dokumen
Dalam tool manajemen dokumen di KKP, satgas ajudikasi dapat memilih dokumen hak (pilih buku tanah
HM/HMRSS)
1
9
Menyematkan Service AI Pada Aplikasi KKP
Service deteksi hasil unggahan Buku Tanah ini kemudian disematkan pada aplikasi KKP sehingga
setiap dilakukan unggahan Buku Tanah, maka dapat dideteksi tingkat kepercayaa-nya oleh sistem
2
0
Menyematkan Service AI Pada Aplikasi KKP
Ketika tim ajudikasi melakukan upload buku tanah maka akan terbaca secara random oleh service
tersebut dan hasilnya akan tersimpan di database.
2
1
Menyematkan Service AI Pada Aplikasi KKP
Dashboard PTSL utk melihat upload peta/SU/BUKU TANAH/berkas/warkah. Sangat bermanfaat untuk
memastikan bahwa apa yang dilaporkan oleh tim ajudikasi dalam sistim KKP betul telah dicetak secara
fisik dan dapat ditampilkan secara interaktif.
2
2
Hasil Akhir Inovasi (1)
Tingkat Kepercayaan 0%
Tingkat Kepercayaan 99%
23
Hasil Akhir Inovasi (1)
Jateng Kab. Klaten CBEBA70BE3175258E0530B1D140A2148 E7742D55928851C8E0530C1D140A38FC 2022-10-10 18:32:27 0.0006298753432929516 11191604101772 BT1
Sumut Kab. Tapanuli Selatan EE483EEB93D646A2E0530B1D140A58A7 E465BE34C490FD52E0530B1D140A75FC 2022-11-25 17:58:30 0.0006298753432929516 02101562100715 BT1
Kepri Kota Batam EE94F701C981F923E0530B1D140AC550 EBDB424D0D5ADE8DE0530B1D140AE243 2022-11-30 21:52:56 0.00016861815129232127 32021104309330 BT3
Jabar Kab. Bogor EE1E88866488F048E0530B1D140A3327 EAFA290DB8348D8DE0530B1D140ADD77 2022-11-23 13:45:03 0.008526204561349005 10100305101314 BT1
Jabar Kab. Bogor EED44211B8C26C95E0530C1D140A4C67 ED2996306DE66FC8E0530C1D140A5073 2022-12-02 14:30:36 0.059654125419911 10100305101972 BT1
Jabar Kab. Bogor EEE7A2D7A32AC4FAE0530B1D140A35A4 EDB714DA3B6B9BE7E0530B1D140A9AD8 2022-12-03 13:34:24 0.059654125419911 10100305102076 BT1
Sumut Kota Medan E5B6B9DE58D0EDAAE0530C1D140A5A66 E423EF1DD514489CE0530B1D140A340F 2022-08-20 14:09:15 0.0000022542259330293746 02010306101688 BT1
Sumut Kota Medan E5B372D8E80EFFCCE0530B1D140ABC3B E423FA1D8FF78B47E0530B1D140AD1E2 2022-08-20 13:41:19 0.00003878326299400214 02010401102508 BT1
Sulsel Kab. Maros E2753E12812495CEE0530B1D140A6370 DAC48A16C1BBEE56E0530C1D140A60A5 2022-07-17 17:57:48 0.025355165475048125 20051206100973 BT1
Sulsel Kab. Maros E2753DE5FEDB95D6E0530B1D140A24B2 DAC48A16C1D3EE56E0530C1D140A60A5 2022-07-17 17:15:59 0.010273845167830586 20051206100977 BT1
Sumsel Kota Palembang E554054B39C37972E0530B1D140A1E75 DFEBA4618A7D49DAE0530C1D140ACFF5 2022-08-11 19:52:40 0.0043624740016336245 04010302116281 BT1
Kaltim Kota Balikpapan E8C7C0822C28C5A5E0530B1D140AD818 E60857B79AD68360E0530B1D140A6633 2022-09-19 18:26:24 0.0028991197918912803 16020406400041 BT4
Sumut Kab. Dairi E88BB2205C455405E0530B1D140A523F E2B798096D733B93E0530B1D140ABDC8 2022-09-29 18:31:42 0.0458723199844826 02050506100156 BT1
Sulsel Kab. Jeneponto E2166695EDA1E076E0530B1D140A9638 DB048E096154B779E0530C1D140A8A7D 2022-08-01 19:55:57 0.037958651199005544 20040808101189 BT1
Sumut Kab. Simalungun EBC573989F8F1FE0E0530B1D140AF524 EA8504CDD44CA500E0530B1D140AB1B9 2022-10-25 00:16:19 0.026924782199785113 02091310100026 BT1
Sumut Kota Binjai EC9D7C06461B367BE0530C1D140A30B1 E9B91858335B72E6E0530B1D140A5E77 2022-11-04 10:37:17 0.08955787727609277 02170427105501 BT1
Sumut Kota Binjai EC9D7C06461B367BE0530C1D140A30B1 E9B91858335B72E6E0530B1D140A5E77 2022-11-04 10:37:14 0.08955787727609277 02170427105501 BT1
Kalbar Kab. Kubu Raya DC5C6606497293AFE0530C1D140A841B DA541B7C3207AD5EE0530B1D140A1C91 2022-10-10 22:04:28 0.04481012187898159 14140112800004 BT8
Kalbar Kab. Kubu Raya EC02E3C02061B789E0530C1D140A3576 E96553B2A7C6A4FDE0530B1D140A903C 2022-11-10 18:53:05 0.08415454067289829 14140304103615 BT1
Total data yang memiliki tingkat kepercayaan < 10% : Tercatat sebesar 1,7% dari total 2.221.109 data hasil PTSL tahun 2022
24
Data BT hasil unggahan: konfiden level <10%
12.000
9.853
10.000
8.000
6.000
Total
3.875
4.000
3.262 3.141
2.082 2.179
1.875 1.961
2.000 1.622
1.464
1.183
758
446 551 551 389 433 429 408 385
200 193 190 246 242 159 277
26 9 30 32 59 39
-
pu pua
ut
Be te n
ar
ng
l
ng
Ba li
t
M g
l
Ja i
ng
au
Su r
lo
t
lu
tim
m ri
ut
r
Ka el
ltim
ar
a
on I
eh
l
lse
b
se
be
DK
ba
ra
lu
ba
Ba
NT
p
uk
NT
DI
ltr
ku
ls
m
ta
lb
al
m
lb
Su
Ke
m
pu
te
lte
Ac
Ri
lte
Ba
Ka
Su
Ja
Ba
Su
n
Ja
m
Ka
al
Ja
M
Ka
Su
Su
ng
Pa
Su
Su
a
or
La
G
Pa
25
Hasil Akhir Inovasi
26
M
al
ut
98%
Ba
li 90%
Su
lb
ar
89%
Ba
be
l 88%
Su
lt e
ng
86%
Ka
ls
el
84%
D
G KI
82%
or
on
ta
lo
80%
N
TT
79%
Ke
pr
i 78%
Ja
ba
Hasil Akhir Inovasi (2)
r 76%
Ja
te
ng
76%
Su
lt r
a 75%
Ac
eh
75%
Ja
tim
73%
Ka
lt i
m
71%
Su
lu
t 70%
Ka
lt e
ng
69%
D
IY
68%
R
ia
u 66%
Ka
lb
ar
65%
Ba
Pa nt
en
pu 65%
a
Ba
ra
t 60%
Pa
pu
a 56%
Su
ls
el
Be 55%
Rata-Rata Tingkat Kepercayaan
ng
ku
lu
La 54%
m
pu
ng
Su 54%
m
ba
r 54%
Ja
m
bi
52%
M
al
uk
u 50%
N
TB
49%
Su
m
ut
Su 45%
m
se
l 35%
27
Tools Monitoring Output PTSL
Dokumen warkah PTSL yang
telah diupload dapat dilihan
pada menu Warkah antara lain
Fotocopy KTP, Gambar Ukur,
Peta Bidang Tanah dan
dokumen lainnya.
https://ptsl-statistik.atrbpn.go.id/infodokumen
28
Upaya Peningkatan Kualitas Data (Keberlanjutan)
29
Tools Monitoring Output PTSL
30
Dampak Inovasi dan Keberlanjutan
3
1
Contoh Data PTSL 2022 Yang Sesuai Ketentuan (dampak +)
Gambar Bidang Tanah di Peta Data Dokumen Unggahan Sesuai Ketentuan Scan-an Buku Tanah Jelas dan Mudah di Identifikasi
Pendaftaran dan di SU sesuai
Nomor Seri Blanko pada Surat Ukur, Buku Tanah dan Berkas sudah sesuai
32
TERIMA KASIH
KEMENTERIAN AGRARIA DAN TATA RUANG/
BADAN PERTANAHAN NASIONAL
KAB. SUBULUSSALAM, ACEH KAB. MESUJI, LAMPUNG KAB. HALMAHERA BARAT, MALUT
KAB. ACEH BESAR, ACEH KAB. BEKASI, JABAR KAB. BOYOLALI, JATENG
3
ANOMALI BIDANG
JUMLAH BIDANG TANAH PTSL YANG TERINDIKASI OVERLAP
PP No. 10/1961
3
ANOMALI BIDANG
KESALAHAN PADA DOKUMEN
DELI SERDANG, SUMUT SUBANG, JABAR
Hasil scan tidak jelas, blanko tidak terbaca Bidang tanah diluar batas administrasi
PP No. 10/1961
3
ANOMALI BIDANG
K4 SELISIH LUAS TEKTUAL DAN SPASIAL >10%
KAB.KENDAL, JATENG
LUAS PETA 2.170 m2, LUAS TEKSTUAL 800 m2
3
ANOMALI BIDANG
HASIL UNGGAHAN DENGAN KONFIDEN LEVEL <10%
3
ANOMALI BIDANG
406.101
400.000
350.000
314.840
300.000
250.000
150.000
100.000 81.712
74.913 79.955
67.876
59.994
44.520 44.499 48.132 46.736
50.000 37.363 36.043 38.410
28.742
20.970 16.394 19.946 16.859
11.785 14.183 12.457 10.741 12.583 12.494
5.122 4.277 6.125 1.172 2.295 4.314
564
-
r
ng
ar
a
l
Be en
ut
l
ar
ut
ng
KI
lo
IY
t
Ja i
ng
ua
u
ar
Ba i
ng
lu
h
l
l
t im
ut
TT
TB
au
ls e
b
se
pr
l
se
be
ra
a
Ba
uk
ce
ltr
D
ku
N
ta
m
l
lti
lb
N
al
lb
b
b
Ke
Su
te
m
nt
te
pu
lte
Ba
p
Ri
Ka
Ja
Su
Ba
Su
m
Ja
Ka
al
M
ng
Ja
Ka
A
on
Su
Su
Pa
Su
l
Ka
Su
M
m
Su
ua
or
La
G
p
Pa
3