Pemetaan jalan menjadi komponen penting dalam pengembangan infrastruktur jalan untuk mendukung kebutuhan mobilitas yang semakin kompleks. Namun pengambilan informasi secara manual memiliki kendala yang cukup sulit untuk diatasi, seperti persamaan warna dan bentuk yang mirip. Beberapa penelitian tentang pemetaan dari citra satelit sudah cukup banyak perkembangannya. Dalam penelitian ini diajukan metode deep learning berbasis U-Net dengan susunan residual block untuk mengatasi permasalahan ini. Selain itu, penelitian ini juga menggunakan Massachusetts Road Dataset untuk pemetaan jalan dari citra satelit beresolusi tinggi dan metode Improved Residual Networks. Metode yang diajukan menunjukkan performa yang lebih baik dibandingkan beberapa metode sebelumnya dengan nilai Precision 81.6%, Recall 77.9%, Accuracy 98.1%, dan F1-score 79.7?ngan penggunaan augmentation data untuk menambah jumlah variasi data training serta mengatasi overfitting sehingga hasil yang didapatkan oleh program menjadi lebih baik.