Apa Itu Footprint Bangunan? Definisi, Sumber Data, dan Cara Mendapatkannya

Footprint bangunan adalah garis luar bangunan di tempat bangunan bertemu tanah, yang dicatat sebagai poligon pada bidang horizontal. Telusuri sekeliling dasar dinding, ratakan bentuk itu ke dalam peta, dan Anda mendapatkan satu footprint.

Hampir tidak ada footprint yang bisa Anda unduh benar-benar seperti itu. Footprint tersebut ditelusuri dari foto yang diambil dari atas, sehingga mengikuti bentuk atap. Bagian lain halaman ini membahas kesenjangan itu, lokasi data terbuka, dan apa yang harus dilakukan ketika data tersebut tidak mencakup area Anda.

Definisi footprint, dan hal-hal yang hampir sama

Footprint adalah proyeksi horizontal. Footprint tidak memuat tinggi, jumlah lantai, atau bagian interior. Dua bangunan dengan footprint yang sama bisa berupa bungalow atau menara.

Empat hal sering disebut footprint, padahal bukan. Masing-masing pernah membuat saya kehilangan satu sore.

Footprint atau roofprint

Kamera udara dan satelit melihat atap. Model atau manusia yang menelusuri citra tersebut menggambar tepi atap, dan tepi atap bukanlah dasar dinding.

Tiga hal membuat keduanya berbeda. Lisplang dan overhang mendorong atap ke luar, biasanya 30 hingga 80 cm pada rumah, atau beberapa persen dari luas bangunan kecil. Kemiringan, yaitu perpindahan menyamping objek tinggi dalam citra off-nadir, menggeser seluruh menara beberapa meter ke samping. Lalu carport, beranda, atau kanopi memiliki atap tanpa dinding di bawahnya.

Overture menuliskan hal ini ke dalam skemanya sendiri. Panduan buildings mereka menyebut bahwa geometri tersebut "diperkirakan sebagai footprint paling luar, roofprint jika ditelusuri dari citra satelit/udara". Google mengatakan hal yang sama tentang bangunan tinggi dalam FAQ-nya: model tersebut "dilatih untuk mendeteksi atap bangunan, bukan dasarnya", sehingga pada gedung tinggi poligonnya berada di tempat atap terlihat, bukan di tempat bangunan berdiri.

Kesalahan ini bertambah besar ketika Anda mengalikannya dengan ribuan bangunan. Analisis potensi surya membutuhkan atap, sehingga roofprint adalah bentuk yang tepat. Analisis penyegelan tanah, paparan banjir, dan kepatuhan terhadap sempadan membutuhkan dasar bangunan, sehingga roofprint diam-diam melebihkan semuanya.

Footprint atau parcel

Parcel, atau batas kadaster, adalah objek hukum. Parcel adalah tanah yang dimiliki seseorang. Bangunan berada di dalamnya, biasanya hanya menutupi sebagian kecil dari luas parcel. Data parcel berasal dari pendaftaran tanah dan berubah ketika kepemilikan berubah. Footprint berasal dari citra atau survei dan berubah ketika bangunan berubah. Menggabungkan keduanya adalah operasi yang umum dan berguna. Menganggap yang satu sebagai yang lain akan membuat Anda menghitung taman sebagai atap.

Footprint atau luas lantai

Luas lantai kotor kira-kira adalah footprint dikalikan jumlah lantai, dan biasanya itulah yang menjadi perhatian aturan pajak dan tata ruang. Selubung bangunan adalah kulit 3D: footprint ditambah tinggi dan bentuk atap. Footprint saja tidak memberi tahu Anda semua itu. Jika membutuhkan luas lantai, Anda memerlukan jumlah lantai atau tinggi, dan hanya sebagian dataset yang menyertakannya.

Satu bangunan, atau beberapa bangunan

Perumahan deret adalah kasus yang paling sering merusak pipeline. Deretan delapan rumah berbagi dinding, sehingga dari atas terlihat sebagai satu atap yang tersambung tanpa batas yang terlihat. Detektor menghasilkan satu poligon. Kadaster menghasilkan delapan. Tidak ada yang salah, keduanya menjawab pertanyaan yang berbeda, dan Anda harus menentukan pertanyaan yang dibutuhkan analisis sebelum menghitung apa pun.

Halaman dalam adalah lubang, sehingga bangunan yang mengelilingi halaman dalam merupakan poligon dengan cincin interior, dan alat apa pun yang menghapus cincin interior akan memperbesar luasnya. Gereja dengan bagian nave dan menara terpisah mungkin muncul sebagai geometri multipart. Dan kanopi juga sama: atap area depan pom bensin adalah atap tanpa bangunan di bawahnya.

Untuk apa orang menggunakan footprint

Potensi surya, berdasarkan luas dan orientasi atap. Paparan banjir dan kebakaran hutan, serta penetapan harga asuransi di baliknya. Estimasi populasi ketika sensus sudah lama atau tidak tersedia. Penilaian pajak properti dan deteksi perluasan bangunan tanpa izin. Perencanaan telekomunikasi dan jaringan, ketika bangunan menjadi penghalang sekaligus pelanggan. Model kota 3D, yang diekstrusi dari footprint dan tinggi. Penilaian kerusakan setelah gempa atau badai, dengan membandingkan dua tanggal.

Semuanya membutuhkan hal yang sama, yaitu satu poligon untuk setiap bangunan, dengan luas yang dapat dipercaya.

Tempat mendapatkan data footprint bangunan

Lima sumber mencakup sebagian besar kebutuhan. Semua yang ada di tabel ini dibaca dari halaman penerbitnya sendiri pada 23 Agustus 2026.

Sumber	Cakupan	Lisensi	Tahun data	Geometri	Cara mendapatkannya
OpenStreetMap	Global, dan selengkap yang dibuat oleh komunitas pemetaan setempat	ODbL 1.0	Live, sesuai isi peta saat Anda melakukan query	Digambar dengan tangan, sehingga memiliki sudut yang dibuat bersiku dan atribut nyata, tetapi di sebagian besar tempat ditelusuri dari citra	QuickOSM di manajer plugin, atau query Overpass
Microsoft Global ML Building Footprints	Global. 1.4B bangunan dari citra Bing Maps yang direkam antara 2014 dan 2024, mencakup 30.340 tile di 225 wilayah	CDLA Permissive 2.0	Diperbarui 13 Agustus 2026	Hasil model. Tinggi tersedia pada sebagian data, skor kepercayaan tersedia pada footprint yang lebih baru	`dataset-links.csv` per negara dan quadkey, atau Planetary Computer
Google Open Buildings v3	Afrika, Asia Selatan, Asia Tenggara, Amerika Latin, dan Karibia. 1.8B deteksi di atas 58M km². Tidak mencakup Eropa, Amerika Utara, atau Australia	CC BY 4.0 atau ODbL 1.0, pilihan Anda	Inference dijalankan pada Mei 2023	Hasil model, dengan skor kepercayaan dan tabel ambang presisi per wilayah	178 GB CSV berdasarkan sel S2, Earth Engine, atau 20 file negara terkurasi di HDX
Overture Maps buildings	Global, digabungkan dari sumber-sumber di atas serta Esri Community Maps dan data nasional	ODbL	Bulanan. Rilis saat ini `2026-08-19.0`	Dikonsolidasikan. OpenStreetMap menjadi sumber utama jika tersedia, hasil model mengisi sisanya, dicocokkan pada tumpang tindih 50%	GeoParquet di AWS atau Azure, atau CLI `overturemaps`
IGN BD TOPO (Prancis)	Prancis dan departemen seberang lautnya, tema `bâti`	Licence Ouverte 2.0	Triwulanan, terakhir diterbitkan 31 Juli 2026	Hasil survei, presisi metrik, 3D dengan tinggi setiap bangunan	data.gouv.fr, berdasarkan departemen

1.4B

bangunan dalam Microsoft Global ML Building Footprints

README, dibaca 23 Agustus 2026

1.8B

deteksi dalam Google Open Buildings v3, di atas 58M km²

Halaman dataset, dibaca 23 Agustus 2026

2026-08-19

rilis buildings Overture saat ini, satu kali per bulan

Kalender rilis, dibaca 23 Agustus 2026

Repositori microsoft slash GlobalMLBuildingFootprints di GitHub, menampilkan bagian pengantar dengan angka 1,4 miliar bangunan dan lisensi CDLA Permissive 2.0, di atas daftar pembaruan dataset berdasarkan tanggal — Repositori Microsoft, 23 Agustus 2026. Bagian Updates adalah bagian yang perlu dibaca: bagian itu memberi tahu negara mana yang mendapat geometri baru, dan kapan.

Baca lisensinya sebelum memilih. ODbL adalah lisensi share-alike, sehingga database turunan harus dipublikasikan kembali dengan ketentuan yang sama, dan klausul itu telah menggagalkan lebih dari satu deliverable klien. CDLA Permissive 2.0 dan CC BY 4.0 hanya meminta atribusi. Google menerbitkan data dengan CC BY 4.0 dan ODbL, serta membolehkan Anda memilih, dengan sengaja agar komunitas OpenStreetMap dan pihak lain dapat menggunakan data tersebut tanpa berdebat tentang kompatibilitas.

Situs Google Research Open Buildings, dengan deskripsi dataset yang menyatakan 1,8 miliar deteksi bangunan di area inference seluas 58 juta kilometer persegi, serta peta data explorer dengan warna berdasarkan kepercayaan di bawahnya — Google Open Buildings, 23 Agustus 2026. Periksa daftar negara di FAQ sebelum merencanakan pekerjaan berdasarkan data ini. Eropa, Amerika Utara, dan Australia tidak tercakup.

Ketiga sumber global tersebut tidak sepakat tentang area yang sama, dan perbedaan itulah bagian yang berguna.

Tiga panel dari lingkungan padat yang sama di Luanda pada citra Google Satellite, dengan footprint bangunan berwarna hijau. OpenStreetMap tidak menampilkan apa pun, Microsoft mencakup sebagian besar area, Google Open Buildings mencakup hampir semuanya — Area seluas 1 km² yang sama di Luanda, pada citra Google Satellite. OpenStreetMap tidak memetakan bangunan di sini, Microsoft menemukan 3.140, Google Open Buildings 4.468.

Jika hanya membutuhkan file untuk satu area, pengunduh footprint bangunan gratis kami membaca ketiga sumber global untuk kotak yang Anda gambar dan memberikan GeoJSON dengan atribusi di dalamnya. Tanpa akun, dan kotaknya dibatasi hingga 25 km².

Panduan buildings Overture Maps, menampilkan deskripsi tipe fitur untuk building dan building part, serta bagian sumber dan lisensi yang mencantumkan OpenStreetMap, Esri Community Maps, Microsoft, dan Google Open Buildings — Panduan buildings Overture, 23 Agustus 2026. Di halaman ini terdapat kalimat tentang roofprint, dan halaman ini layak dibaca sebelum Anda mempercayai layer gabungan apa pun.

Halaman wiki OpenStreetMap untuk building key, dengan deskripsi yang mendefinisikan building sebagai struktur buatan manusia beratap yang berdiri kurang lebih permanen di satu tempat, serta tabel nilai tag di bawahnya — Definisi building key dari wiki OpenStreetMap, 23 Agustus 2026. Definisi ini menyebut atap, bukan dinding, dan membolehkan building dipetakan sebagai satu node.

Ketika data terbuka tidak cukup

Ada empat situasi, dan saya mengalami semuanya dalam tahun yang normal.

Area tersebut tidak tercakup. Google berhenti di tepi Global South. Microsoft hanya mencakup area yang memiliki citra Bing. OpenStreetMap mencakup area yang mau dipetakan seseorang.

Data lebih lama daripada pertanyaan Anda. Google Open Buildings menjalankan inference pada Mei 2023. Perumahan yang selesai dibangun pada 2025 tidak ada di dalamnya, dan mengunduh data berkali-kali tidak akan mengubahnya.

Bangunannya baru, atau sudah hilang. Penilaian kerusakan dan pemantauan konstruksi sama-sama membutuhkan dua tanggal, sementara data terbuka hanya memberi Anda satu.

Anda membutuhkan bentuk yang tidak dipublikasikan oleh siapa pun. Misalnya bidang atap untuk studi surya, atau bangunan dari penerbangan drone 5 cm milik Anda sendiri, ketika model global 30 cm tidak dapat memberikan informasi berguna.

Saat itulah Anda mengekstrak footprint sendiri.

Empat cara mendapatkan footprint untuk area Anda sendiri

Tiga dari empat cara berjalan di dalam . Pertanyaan yang sama untuk masing-masing cara: apa yang harus diinstal, apakah membutuhkan GPU atau akun, apakah citra meninggalkan komputer Anda, apa input dan outputnya, berapa biaya untuk pekerjaan nyata, dan satu batasannya.

Dataset terbuka, diunduh. Tidak perlu menginstal apa pun. Tidak membutuhkan GPU atau akun. Tidak ada yang meninggalkan komputer Anda selain kotak pembatas yang Anda minta. Inputnya berupa kotak, dan outputnya GeoJSON dengan lisensi serta atribusi yang ditulis ke dalam file. Gratis. Batasannya: cara ini hanya dapat mengembalikan data yang sudah dipetakan oleh penerbit, sehingga perumahan baru tetap tidak ada. Pengunduh kami.

AI Segmentation kami. Manajer plugin QGIS, lalu akun. Tidak membutuhkan GPU, unduhan weights, atau environment Python. Automatic dan penyimpanan cloud dalam Semi-Auto mengirimkan citra di dalam zona yang Anda gambar ke server kami di Eropa. Model Semi-Auto yang kecil berjalan secara lokal dan menjaga citra tetap di komputer Anda. Inputnya berupa zona di atas raster atau basemap apa pun, ditambah kata seperti building. Outputnya berupa GeoPackage dengan style, satu poligon per objek, masing-masing memiliki kelas, skor kepercayaan, dan luas. Gratis untuk deteksi automatic seluas 3 km² per bulan, lalu €39 per bulan untuk 300 km². Batasannya: hasilnya mengembalikan lebih banyak dari yang Anda minta, sehingga ventilasi, jendela atap, dan gudang halaman dalam muncul sebagai poligon yang digambar dengan benar tetapi bukan bangunan, lalu harus Anda saring berdasarkan kepercayaan dan luas. Halaman produk.

Deepness. Manajer plugin, lalu OpenCV dan ONNX Runtime diinstal saat pertama kali dijalankan. Sekitar dua puluh menit jika semuanya berjalan lancar. Tidak membutuhkan akun. Semuanya berjalan di komputer Anda, menggunakan CPU untuk raster kecil dan konfigurasi CUDA milik Anda untuk kecepatan. Inputnya berupa layer raster apa pun ditambah file model ONNX yang Anda sediakan. Outputnya berupa vector atau raster layer. Gratis, Apache 2.0. Batasannya: Deepness tidak menyediakan kemampuan deteksi bawaan, dan model yang dilatih pada citra 25 cm akan membaca penerbangan drone 5 cm Anda sebagai noise tanpa peringatan. Repositori dan dokumentasi.

Mapflow, oleh Geoalert. Manajer plugin, lalu masuk. Tidak membutuhkan GPU. Berjalan di server mereka, sehingga citra meninggalkan komputer Anda setiap kali dijalankan. Inputnya berupa area yang Anda gambar di atas salah satu sumber citra mereka. Outputnya berupa vector layers: bangunan dengan tinggi opsional, jalan, lahan, dan hutan. Bangunan membutuhkan 10 credits per km² dengan harga $0.10 per credit, dibulatkan ke kilometer persegi penuh, sehingga kota seluas 10 km² biayanya sekitar $10. Paket gratis memberikan 250 credits untuk area maksimal 25 km², dengan ekspor diblokir. Batasannya: perumahan deret bergabung menjadi satu poligon, seperti yang ditunjukkan oleh screenshot mereka sendiri. Dokumentasi plugin.

Untuk perbandingan yang lebih luas, termasuk opsi lokal berbasis SAM, lihat ringkasan plugin AI dan hub QGIS AI.

Coba gratis di QGIS, tanpa kartu

Periksa layer sebelum mempercayainya

Lima pemeriksaan, sesuai urutan yang saya gunakan. Semua pemeriksaan ini memakan waktu sekitar lima belas menit dan telah menyelamatkan saya dari mengirimkan angka yang salah lebih dari sekali.

Bandingkan jumlahnya dengan sampel yang Anda digitasi sendiri

Pilih satu kilometer persegi. Digitasi setiap bangunan di dalamnya dengan tangan. Bandingkan jumlahnya dengan layer. Rasio di bawah 0,9 atau di atas 1,1 berarti layer tersebut menjawab pertanyaan yang berbeda dari dugaan Anda, dan Anda perlu mengetahuinya sebelum analisis, bukan sesudahnya.

Perhatikan baris bangunan yang saling menempel

Perbesar jalan dengan bangunan deret paling padat di area yang Anda minati. Bandingkan jumlah poligon dengan pintu depan. Pemeriksaan ini memberi tahu apakah dataset memisahkan dinding yang berbagi, dan menentukan setiap statistik per bangunan yang akan Anda hitung.

Temukan konstruksi terbaru

Buka pembangunan terbaru yang Anda ketahui. Jika tidak ada, Anda baru saja mengukur tahun data yang sebenarnya, yang lebih jujur daripada tanggal di halaman unduhan.

Periksa CRS dan satuan luas

Sebagian besar dataset ini dikirim dalam EPSG:4326. Hitung luas dalam derajat dan Anda akan mendapatkan angka yang tidak bermakna tetapi tetap terlihat seperti angka. Proyeksikan ulang ke CRS metrik yang sesuai dengan lintang, lalu lakukan penghitungan.

Bandingkan atap dengan dindingnya

Pilih satu bangunan tinggi. Jika poligonnya bergeser dari dasar dinding, Anda memiliki roofprint dengan kemiringan, dan pekerjaan penyegelan tanah atau sempadan membutuhkan koreksi atau sumber yang berbeda.

Langkah berikutnya, jika Anda sekarang menginginkan poligonnya dan bukan definisinya, adalah panduan praktis: mendeteksi footprint bangunan secara otomatis di QGIS, yang membahas langkah penyaringan untuk menentukan apakah layer tersebut dapat digunakan.