Indonesia melakukan sensus penduduk setiap sepuluh tahun untuk mengumpulkan data kependudukan.
Variabel seperti jumlah keluarga dikumpulkan untuk mendapatkan informasi populasi sebagai dasar
penentuan kebijakan dan pembentukan kerangka sampel. Indonesia sebagai negara kepulauan dengan
luas 8,3 juta km2 akan membutuhkan banyak sumber daya untuk mengumpulkan data tersebut. Di era
big data, citra satelit menjadi mudah dikumpulkan dan murah. Dalam studi ini, kami menggunakan
Jawa Barat sebagai studi kasus untuk menerapkan deep learning untuk memprediksi jumlah keluarga di
tingkat desa. Data satelit Sentinel-2 dan SPOT-67 digunakan untuk memodelkan jumlah keluarga.
jumlah keluarga diregresi menggunakan xgboost dengan peluang softmax, yang dihasilkan dari
klasifikasi jumlah keluarga menggunakan model deep learning (densenet121 dan resnet50 ) sebagai
input. Model regresi memberikan prediksi yang baik untuk jumlah keluarga pada sensus dengan R2 0,93
dan MAPE 19%. Dari sisi input data, Sentinel-2 cukup untuk memberikan estimasi yang baik karena tidak
ada perbedaan yang signifikan dari hasil pemodelan dengan gambar resolusi lebih tinggi (SPOT 6-7).
Level input berupa segmen dari domain estimasi dan penggunaan structured auxiliary variable juga
memberikan hasil prediksi yang lebih baik.