Segmentasi semantik adalah proses mengklasifikasikan setiap pixel pada citra ke dalam salah satu class. Dalam aplikasinya pada sistem swakemudi, segmentasi semantik citra perkotaan dilakukan untuk mengenali objek dan kondisi jalan guna mengambil keputusan kendali yang tepat. Pada penelitian ini, digunakan metode convolutional neural network dengan arsitektur DeepLabV3+ untuk melakukan segmentasi semantik. Objek penelitian adalah dataset citra perkotaan Bandung Cityscapes yang dikumpulkan di daerah Kota Bandung, Jawa Barat, Indonesia dan diberi anotasi secara manual. Pengujian arsitektur dilakukan dengan mengkombinasikan nilai epoch, learning rate, dan jumlah filter konvolusi untuk mencari nilai akurasi mean intersection over union yang terbaik. Model paling optimal mencapai akurasi rata-rata tertinggi sebesar 77.431% dan rata-rata waktu prediksi 74.890 ms pada dataset validasi, dicapai oleh model dengan 128 filter konvolusi, dilatih dengan 300 epoch dan learning rate 0.0001 (10 -4 ). Model tersebut mempertahankan rata-rata akurasi pelatihan sebesar 87.194%, rata-rata akurasi validasi sebesar 75.274%, dan rata-rata perbedaan antara keduanya sebesar 11.919% selama proses pelatihan.