a.
Penataan Ruang 3D dan Penilaian Properti secara 3D
b.
Salinan Digital 3D
c.
Pendaftaran Obyek Ruang Bawah Tanah dengan Hak Pakai.
d.
Pendaftaran properti 3D (HMSRS).
a.
Meshframe
b.
CSG
c.
AI
d.
BREP
3. Peran AI misalnya Deep Learning untuk Kadaster antara lain
adalah yang tersebut di bawah ini, kecuali:
a.
Labeling Obyek 3D
b.
Delineasi bentuk atap
c.
Deteksi batas bangunan
d.
Otomasi tandatangan pejabat pendaftaran
4. Sumber data 3D dapat diperoleh menggunakan berikut ini,
kecuali:
a.
Lidar/foto
b.
Survei teristris
c.
OSM
d.
Kamera Streetview
5. LOD Level of Detail 3 artinya:
a.
Menyajikan exterior dan interior bangunan sangat detil
b.
Menyajikan bangunan sebagai bentuk primitif ditambah atap
c.
Menyajikan bangunan sebagai bentuk primitif
d.
Menyajikan bentuk bangunan dengan exterior terasuk profil secara detil
a.
Nilai
b.
Tanggung Jawab
c.
Koordinat X,Y,Z
d.
Hak
7. Data sekunder berikut dapat dipergunakan untuk membuat
model 3D kecuali:
a.
Foro jarak dekat
b.
Denah dan Potongan 2D
c.
Pointclouds interior dan eksterior
d.
Foto hasil kamera 360o
a.
Sistem Koordinat Referensi
b.
Tampilan
c.
Geometri dan Topologi
d.
Semantik
a.
dapat dikonversi dari format SHP
b.
dapat mendukung kadaster 3D
c.
ditujukan untuk mendukung visualisasi
d.
berasal dari standar komunitas konstruksi
10. Ruang yang diregistrasi sebagai obyek kadaster yang
diberikan hak kepemilikan disebut:
a.
IfcWallSpace
b.
Legal space
c.
Registration space
d.
Physical space
a.
TIFF
b.
CityGML
c.
X3D
d.
Collada
a.
Simulasi
b.
Permainan
c.
Perencanaan
d.
Semua benar
13. Pendaftaran pertama kali permohonan HGB terhadap
suatu ruang 3D bukan rumah susun, memerlukan:
a.
Kontradiktur delimitasi
b.
Gambar Ukur 3D dan surat ukur
c.
DI 208
d.
Pertelaan
a.
Perbedaan format model data untuk area yang sama (CityGML vs CityJSON)
b.
Perbedaan nilai atribut obyek 3D
c.
Perbedaan skema basisdata 3D antara data pendaftaran tanah 3D dan Tata Ruang 3D
d.
Perbedaan sistem koordinat model 3D yang dihasilkan dari sumber yang berbeda
a.
Augmented Reality dan Virtual Reality.
b.
Model virtual yang menyerupai obyek artefak nyata artefak atau benda hidup di dunia
nyata.
c.
Model untuk mendukung simulasi, tes, mengawasi dan optimasi fisikal apa yang ada.
d.
Model virtual yang merepresentasikan proses di dunia nyata
Kuis Pengantar ML/DL dan Penerapannya untuk
Ekstraksi Ground/Tapak Bangunan
a.
Orthophoto, point clouds, DSM
b.
Orthophoto, point clouds, DTM
c.
Orthophoto, koordinat control point dan check points
d.
Raw foto udara dan point clouds
a.
Mampu menghasilkan prediksi yang perfect (tidak diperlukan manual refinement)
b.
Distinctive model
c.
Multi source input (DSM, point clouds, image, dll)
d.
Model bisa ditunning dan diupdate setiap saat
a.
Machine Learning menggunakan susunan algoritma yang berlapis
b.
Deep learning mampu menganalisis data yang tidak terstruktur seperti gambar, video,
maupun audio.
c.
Artificial Intelligence (AI) adalah jenis machine learning
d.
Tidak diperlukan training sampel pada machine learning.
4. Pernyataan berikut benar, kecuali :
Untuk deteksi tapak bangunan dengan point clouds:
a.
Point clouds yang tidak berwarna (RGB) tidak bisa digunakan untuk deteksi tapak
bangunan
b.
Tidak tergantung dari kualitas visual image.
c.
Hasilnya akan lebih baik dari pada orthophoto
d.
Dipengaruhi kerapatan dan struktur point clouds
a.
Menambah luasan validation area
b.
Melakukan tunning kembali pada trained model dengan menambah sampel area
c.
Mengupgrade data orthophoto dengan resolusi yang lebih baik.
d.
Menambah luasan testing area
6. Jika tapak bangunan (vektor 2D) dan DTM sudah diperoleh maka
proses selanjutnya adalah:
a.
Ekstraksi elevasi dari data DSM
b.
Ekstraksi elevasi menggunakan data pengukuran GNSS
c.
Membuat surface (DSM)
d.
Overlay tapak bangunan terhadap surface DTM untuk mendapatkan nilai elevasi
7. SAM (segment anything model) merupakan salah satu metode
untuk segmentasi tapak bangunan dari data orthophoto.
Keunggulan dari SAM adalah:
a.
Bisa digunakan untuk segmentasi image maupun point
b.
Tidak tergantung dari resolusi image yang digunakan
c.
Bisa digunakan untuk segmentasi vegetasi
d.
Mampu melakukan segmentasi tapak bangunan pada kompleks pemukiman padat
a.
Luasan area yang dipetakan
b.
Ukuran/resolusi DSM
c.
Spesifikasi hardware dan UAV yang digunakan
d.
Image visual quality, resolusi foto, dan kualitas geometri orthophoto
a.
Hasil pembentukan surface point clouds
b.
Hasil pengukuran topografi dengan GNSS
c.
Hasil plotting bidang tanah
d.
Hasil klasifikasi point clouds berupa ground class
10. Produk awal dari foto udara UAV adalah data point clouds
yang merepresentasikan koordinat 3D obyek yang tampak pada
foto. Untuk membuat data DTM, maka diperlukan proses
ekstraksi ground point dari sekumpulan data point clouds.
Tahapan yang benar adalah :
a.
Point clouds → pembuatan surface → filtering ground
b.
Point clouds →pembuatan surface → DTM
c.
Point clouds → OBIA → export ground points → DTM
d.
Point clouds → klasifikasi point clouds → export ground points → DTM
a.
Menambah sampel area diluar area testing
b.
Menambah epoch pada saat pembangunan trained model.
c.
Memperbanyak sampel area
d.
Menambah sampel area dengan resolusi image yang berbeda
a.
Point clouds & orthophoto
b.
Data ukuran GPS
c.
Data aspect
d.
Image intensity
13. Alur kerja AI untuk deteksi bangunan adalah :
a.
Orthophoto→ pembuatan trained model→ pembuatan training
sample→ validasi→testing
b.
Orthophoto→pembuatan training sample→pembuatan trained
model→ testing →validasi
c.
Orthophoto→pembuatan trained model →pembuatan training
sample→ testing →validasi
d.
Orthophoto→pembuatan training sample→pembuatan trained
model→ validasi→testing
a.
OBIA mengekstrak feature dan pattern dari image sebagai dasar melakukan
segmentasi
b.
OBIA menggunakan masukan data berupa image
c.
OBIA tidak tergantung dari resolusi image dan warna objek.
d.
OBIA dan AI bisa diintegrasikan untuk mendapatkan hasil prediksi yang lebih optimal
a.
Tidak diperlukan informasi elevasi ground untuk upgrading data kadaster
b.
Tidak diperlukan uji akurasi elevasi untuk hasil DTM yang didapat
c.
Hasil deteksi tapak bangunan akan digunakan sebagai sub persil dari bidang tanah.
d.
Algoritma AI mampu membantu semua proses upgrading dengan hasil sempurna
Kuis Pengantar Penyiapan data untuk training
model Geo AI
a.
Double click pada mouse
b.
Klik kanan pada mouse
c.
Klik Delete pada keyboard
d.
Klik Esc pada keyboard
2. Untuk memulai digitasi pada tampilan orthophoto,
menggunakan tools apa?
a.
Stop Editing
b.
Buffer
c.
Start Editing
d.
Save Edits
a.
Add Data
b.
New Shapefile
c.
Add Polygon
d.
Catalog
4. Apabila ada pohon yang menutupi bangunan, apa yang harus
dilakukan?
a.
Digit dan digabungkan dengan bangunan lain
b.
Digit sesuai bentuk pohon
c.
Bangunan yang tertutup tidak usah di digit
d.
Dilewati saja dan tetap sesuaikan bentuk bangunan
a.
Global Mapper
b.
ArcGIS
c.
Google Chrome
d.
ENVI
6. Edit Futures digunakan untuk apa?
a.
Mengedit shapefile
b.
Membuka file shapefile
c.
Menambahkan data orthophoto
d.
Membuka table atribute
a.
Ketiganya benar
b.
Pagar
c.
Dinding
d.
Warna atap
8. Software apa yang bisa digunakan untuk digitasi?
a.
ENVI
b.
ArcGIS
c.
Google Chrome
d.
Global Mapper
9. Apa output format dari data digitasi?
a.
.shp
b.
.pdf
c.
.jpg
d.
.tiff
10. Apabila sudah bisa membuat shapefile maka otomatis
dimanaa hasilnya akan ditampilkan?
a.
Create Features
b.
Editor
c.
Catalog
d.
Layer
11. Apa jenis Features Type yang digunakan untuk mendigit
bangunan?
a.
Ploygon
b.
Point
c.
Polyline
d.
MultiPoint
12. Untuk menyimpan file digitasi, tools apa yang digunakan?
a.
Start Editing
b.
Buffer
c.
Stop Edits
d.
Save Editing
13. Edit Futures digunakan untuk apa?
a.
Membuka table atribute
b.
Membuka file shapefile
c.
Menambahkan data orthophoto
d.
Mengedit shapefile
14. Double Click saat pembuatan polygon digunakan untuk
apa?
a.
Menamai polygon
b.
Mengakhiri polygon
c.
Menambahkan polygon
d.
Memulai polygon
15. Kriteria bangunan seperti apa yang harus di digit?
a.
Bangunan ber atap terpal
b.
Bangunan permanen
c.
Bangunan tanpa atap
d.
Bangunan ber kanopi saja
Kuis Pengantar Perolehan & pengolahan Data
Geospasial untuk upgrading data kadaster
(Orthophoto, Point Clouds, DSM, DTM)
a.
Tinggi terbang
b.
Ukuran solid state (CCD atau CMOS) kamera
c.
Megapiksel kamera
d.
Wahana pembawa kamera
a.
Kamera yang tidak bisa digunakan untuk pemetaan
b.
Kamera autofokus
c.
Kamera dengan parameter instrinsik yang tidak stabil
d.
Kamera dengan kualitas rendah
a.
Tinggi rumah
b.
Tinggi pohon
c.
Tinggi menara
d.
Tinggi permukaan tanah
4. Resolusi spasial atau GSD sebuah foto udara
a.
Berbanding lurus dengan dimensi CCD/CMOS
b.
Berbanding terbalik dengan tinggi terbang
c.
Berbanding terbalik dengan ukuran obyek
d.
Berbanding lurus dengan panjang fokus
a.
Tajuk pohon
b.
Atap gedung bertingkat
c.
Atap rumah
d.
Permukaan tanah di bawah tajuk pohon
a.
Titik yang memiliki koordinat tanah 2D (X,Y)
b.
Titik/obyek yang dikenali pada sepasang foto udara
c.
Titik yang memiliki koordinat tanah 3D (X,Y, Z)
d.
Titik/obyek yang dikenali pada foto udara
7. Flight plan adalah
a.
Realisasi jalur pemotretan udara
b.
Urutan pemotretan udara
c.
Jalur pemotretan udara
d.
Rencana jalur pemotretan udara
a.
ISO kamera
b.
Ofset pusat proyeksi lensa
c.
Panjang fokus
d.
Distorsi lensa
a.
UTM
b.
Proyektif
c.
TM3
d.
Ortogonal
10. Direct georeferencing (DG) terdiri atas
a.
GPS, GNSS
b.
GPS, Kamera Udara
c.
Kamera udara, INS
d.
GNSS, INS
a.
Fixed wing
b.
Multikopter
c.
Drone
d.
Pesawat berawak
a.
Titik yang memiliki koordinat 2D (X,Y)
b.
Hasil stereo-matching
c.
Awan yang terpotret pada foto udara
d.
Titik yang memiliki koordinat 3D (X,Y,Z)
Previous page
13. Data tiga dimensi (X,Y,Z) dapat dihasilkan dari
a.
Sepasang foto udara yang bertampalan
b.
Sebuah foto udara
c.
Sembarang foto udara
d.
Sepasang foto udara sembarang
a.
Foto udara yang telah ortogonal
b.
Hasil pemotretan dari udara
c.
Gabungan beberapa foto udara
d.
Foto udara yang telah direktifikasi
a.
Orthophoto/input image
b.
Pre-trained model building extraction
c.
Ground truth tapak bangunan
d.
Pre-trained model building regularization
a.
Mengonversi data raster kedalam format vector
b.
Mengonversi data vector kedalam format raster
c.
Melakukan regularisasi bangunan
d.
Menyempurnakan bentuk bangunan
a.
Meningkatkan kuantitas dan kualitas training data
b.
Melakukan program untuk memprediksi tapak bangunan
c.
Meningkatkan performa komputasi
d.
Menambahkan jumlah orthophoto untuk diprediksi
4. Menu Simplification yang digunakan saat melakukan pengolahan
menggunakan mapflow bertujuan untuk :
a.
Membuat tapak bangunan berbentuk rectangle dan sudut yang terbentuk 90 derajat
b.
Membuat Vektor Tapak Bangunan lebih smooth
c.
Membuat 3D Model Bangunan LOD 2
d.
Membuat Vektor Inner Structure
a.
ArcGIS
b.
ArcMAP
c.
QGIS
d.
Global Mapper
a.
PTH
b.
PDF
c.
TIF
d.
JPG
a.
Tidak
b.
Benar
8. Berikut merupakan kegiatan post-processing yang diperlukan
setelah diperoleh hasil ekstraksi bangunan, yaitu
a.
Mengubah warna dan style layer
b.
Editing vector untuk menghapus background features (non-bangunan)
c.
Menjalankan program untuk memprediksi tapak bangunan
d.
Meningkatkan kualitas orthophoto
a.
200
b.
300
c.
250
d.
350
a.
Vektor Tapak Bangunan dan Raster Orthophoto
b.
Vektor Tapak Bangunan
c.
Vektor Inner Structure
d.
3D Model Bangunan LOD 2
Kuis Praktik Algoritma AI untuk ekstraksi ground
point clouds
a.
Import Point Cloud> Klik Ground Filtering/ ExtractionTools> Export Ground Point Cloud
b.
Import Point Cloud> Klik Ground Filtering/ ExtractionTools> Menyesuaikan parameter
pada tools yang digunakan > Export Ground Point Cloud
c.
Menyesuaikan parameter pada tools yang digunakan > Import Point Cloud >
Klik Ground Filtering/ ExtractionTools >Export Ground Point Cloud
d.
Klik Ground Filtering/ ExtractionTools > Import Point Cloud> Menyesuaikan parameter
pada tools yang digunakan > Export Ground Point Cloud
a.
Resampling
b.
Align Photos
c.
3D Reconstruction
d.
SfM – MVS
3. Salah satu kelemahan extraksi ground dari foto udara adalah:
a.
Tidak mampu menghasilkan elevasi
b.
Tidak mampu menghasilkan point clouds yang rapat
c.
Tidak mampu melakukan penetrasi pada area ber vegetasi
d.
Tidak mampu memberikan color pada point clouds
a.
Model permukaan bumi yang menggambarkan seluruh objek di permukaan bumi yang
terlihat
b.
Model permukaan bumi yang mereferensikan titik awal dari permukaan bumi
c.
Model permukaan bumi yang menggambarkan permukaan bumi tanpa objek apapun
diatas permukaan bumi, menghilangkan seluruh fitur alami dan buatan, dan
menyertakan fitur terrain alami seperti Sungai dan bukit
d.
Model permukaan bumi yang menggambarkan permukaan bumi seperti bangunan dan
vegetasi
a.
Parameter trainingdeep learning
b.
Data point cloud testing
c.
Trained model deep learning
d.
Data point cloudtraining
6. Ground extraction bisa dilakukan dengan beberpaa metode sbb,
kecuali :
a.
Filtering berbasis point clouds geometri
b.
Filtering berbasis slope and distance
c.
Filtering berbasis jenis UAV yang digunakan
d.
Machine learning berbasis point clouds segmentation
a.
Test dataset, merupakan data point cloud yang berfungsi untuk memvalidasi
model deep learning hasil proses training.
b.
Test dataset, merupakan data point cloud untuk proses tuning
hyperparameter dari deep learning dan melihat performa model.
c.
Train dataset, merupakan data point cloud untuk proses train model, digunakan deep
learning untuk belajar tentang data, mencari informasi dan pola dari data.
d.
Validation dataset, merupakan data point cloud untuk proses train model,
digunakan deep learning untuk belajar tentang data, mencari informasi dan pola dari
data.
8. Untuk melakukan ground filtering atau ground classification dari
data point cloud foto udara, baik di CloudCompare maupun
Agisoft di keduanya dapat dilakukan dengan meng-klik tools yang
ada di masing-masing aplikasi. Lokasi tools yang harus di-klik
untuk melakukan ekstraksi data ground point cloud baik di
CloudCompare maupun Agisoft terletak di…
a.
Pada CloudCompare terletak di Plugins > CSF Filter, sedang di Agisoft di Tools > Point
Clouds > Classify Ground Points
b.
Pada CloudCompare terletak di Plugins > CSF Filter, sedang di Agisoft di Workflow >
Point Clouds > Classify Ground Points
c.
Pada CloudCompare terletak di Tools > CSF Filter, sedang di Agisoft di Tools > Point
Clouds > Classify Ground Points
d.
Pada CloudCompare terletak di Tools > CSF Filter, sedang di Agisoft di Workflow > Point
Clouds > Classify Ground Points
a.
Model bisa ditunning dengan menambah training area
b.
Model bisa ditunning dengan menambah feature data spasial lain
c.
Model bisa dilakukan update/custom sehingga fit untuk area di indonesia
d.
Model bisa ditunning dengan menambah jumlah testing area
10. Agisoft Metashape merupakan salah satu
aplikasi license/ commercial yang umum digunakan dalam
pengolahan data foto udara. Salah satu fitur yang ditawarkan
Agisoft Metashape adalah melakukan klasifikasi ground secara
otomatis. Dalam fitur tersebut, Agisoft membutuhkan 2
parameter penting yang mendefinisikan ground dan non-ground.
Kedua parameter tersebut mendefinisikan jarak dan
sudut point dengan model terrain. Perubahan kedua parameter
ini dapat dilakukan eksperimen pada variasi terrain yang
berbeda. Kedua parameter penting tersebut antara lain…
a.
Cell Size dan Erosion Radius
b.
Max Angle dan Max Distance
c.
Max Angle dan Cell Size
d.
Max Distance dan Erosion Distance
11. Salah satu cara untuk refining data ground point clouds
yang tergolong misclassify adalah, kecuali:
a.
Melakukan editing manual
b.
Melakukan klasifikasi ulang dengan menambah jumlah training area
c.
Mengupdate trained model sehingga model lebih fit.
d.
Melakukan deteksi bengunan
12. CloudCompare merupakan salah satu aplikasi gratis yang
cukup powerful untuk pengolahan data point cloud sederhana.
Salah satu plugins yang tersedia di CloudCompare yakni CSF
Filter dapat digunakan untuk filtering ground point cloud. CSF
Filter menggunakan konsep cloth simulation dalam
menentukan ground points dan off-ground points. Parameter CSF
Filter berikut yang paling berperan dalam menentukan ukuran
grid kain CSF Filter dan dampaknya jika parameter tersebut
diperbesar yakni:
a.
Cloth Resolution, semakin besar maka DTM yang dihasilkan semakin halus
b.
Cell Size, semakin besar maka DTM yang dihasilkan semakin halus
c.
Cloth Resolution, semakin besar maka DTM yang dihasilkan semakin kasar
d.
Grid Resolution, semakin besar maka DTM yang dihasilkan semakin halus
13. Salah satu cara ekstraksi ground (terrain) dari data point
clouds :
a.
Klasifikasi point clouds
b.
Pewarnaan point clouds
c.
Translasi point clouds
d.
Extraksi poin clouds
14. Setelah DTM dibentuk dengan beberapa metode, DTM yang
dihasilkan perlu dilakukan pengujian. Salah satu cara menguji
DTM adalah dengan membandingkan nilai Z (elevasi) dari DTM
yang dihasilkan dengan data yang dianggap lebih akurat, lebih
benar, atau lebih merepresentasikan terrain relief permukaan.
Hasil uji ini yang kemudian menentukan tingkat akurasi DTM
yang dihasilkan. Metode yang umum digunakan dan konsep
metode tersebut untuk menguji akurasi DTM yang benar
adalah…
a.
Uji statistik, jika H0 terpenuhi maka DTM yang dihasilkan akurat
b.
Korelasi, semakin rendah korelasi data elevasi yang dianggap yang dianggap benar dan
DTM yang dihasilkan maka DTM semakin akurat
c.
RMSE, semakin kecil selisih data elevasi yang dianggap benar dan DTM yang
dihasilkan maka DTM semakin akurat
d.
Matriks varian kovarian, semakin kecil nilai varian maka DTM semakin akurat