Deteksi bangunan otomatis masih menjadi kendala tersendiri pada bidang Geoinformatika, karena kesamaan warna dan bentuk bangunan yang sama dengan lingkungan sekitarnya. Padahal pemetaan bangunan memiliki peranan penting dalam pembaruan informasi geografis dan perencanaan wilayah. Sebenarnya sudah diajukan metode untuk mengatasi masalah ini, mulai dari metode handcrafted hingga metode berbasis deep learning. Beberapa penelitian tentang pemetaan dari udara dan satelit sudah cukup banyak perkembangannya. Pada penelitian ini akan diajukan metode Generative Adversarial Network untuk deteksi bangunan dari citra satelit beresolusi tinggi menggunakan Massachusset Building Dataset. Metode ini terdiri dari dua network: generator dan discriminator yang saling berlawanan. Generator yang digunakan merupakan network berbasis U-Net dengan susunan residual block, sedangkan discriminator menggunakan markovian-GAN. Setelah proses training network akan dilakukan evaluasi performa dengan menghitung nilai F1 Score dan IoU pada data testing. Metode yang diajukan menunjukkan performa yang lebih baik dibanding beberapa metode sebelumnya dengan nilai F1 Score, IoU dan parameter berturut-turut: 82,99%, 71,01% dan 13.32 Juta.