Nama : Naufal Muhammad Hirzi Program Studi : Ilmu Komputer Judul Tesis : Segmentasi Instance Pada Citra 3D Point Cloud Area Perkotaan Berskala Besar Pembimbing : Prof. Dr. Eng. Wisnu Jatmiko S.T., M.Kom Segmentasi instance 3D point cloud memungkinkan untuk melakukan segmentasi bentuk dari instance 3D yang berbeda pada kelas semantik yang sama. Penerapan segmentasi instance 3D point cloud pada pemodelan 3D area perkotaan dapat merangsang perkembangan lebih lanjut untuk menganalisis pemodelan 3D area perkotaan. Dataset Semantic Terrain Point Labeling - Synthetic (STPLS3D) sebagai tolak ukur segmentasi instance pada 3D point cloud perkotaan berskala besar, model Hierarchical Aggregation 3D Instance Segmentation (HAIS) merupakan metode baseline dengan performa terbaik pada dataset STPLS3D. Model HAIS yang digunakan merupakan adopsi pengembangan dari segmentasi instance 3D point cloud pada daerah dalam ruangan. Berbeda data 3D point cloud dalam ruangan, data 3D point cloud perkotaan memiliki ukuran skala besar dan bentuk instance yang lebih beragam. Untuk mengatasi area masalah berskala besar, STPLS3D menggunakan pencacahan data menjadi skala yang lebih kecil dengan menggunakan algoritma sliding window dengan ukuran 50 dan pergeseran 50. Penelitian ini mengajukan optimasi dari segmentasi instance 3D point cloud pada daerah perkotaan skala besar dengan optimasi metode pencacahan menggunakan metode pencacahan ukuran 50 dan pergeseran 25 (overlapping) dan modifikasi bagian backbone HAIS dengan 3D U-Net Attention ASPP Sparse CNN (metode proposed). Eksperimen dan evaluasi dilakukan terhadap HAIS metode acuan dari baseline STPLS3D dan proposed. Berdasarkan hasil eksperimen, didapati penggunaan metode pencacahan ukuran 50 overlapping dan modifikasi backbone HAIS dengan 3D U-Net Attention ASPP Sparse CNN (dengan hasil evaluasi AP = 48.78, AP50 = 60.45 dan AP25 = 65.33) memiliki tren kenaikan performa lebih baik dibandingkan dengan metode baseline (dengan hasil evaluasi AP = 44.83, AP50 = 56.48 dan AP25 = 62.36). Kata Kunci: 3D Point Cloud, STPLS3D, Segmentasi Instance dan 3D U-Net Attention ASPP Sparse CNN