Pemateri
Ilham Jamaluddin
Data Scientist/Instruktur GeosoftwareIlham Jamaluddin adalah seorang mahasiswa Doktoral (S3) di bidang Ilmu Komputer dan Teknik Informatika di National Central University, Taiwan. Beliau memiliki latar belakang pendidikan S2 dalam Sains dan Teknologi Penginderaan Jauh dari universitas yang sama dan S1 Kartografi dan Penginderaan Jauh dari Universitas Gadjah Mada (UGM). Fokus risetnya saat ini meliputi machine learning dan deep learning untuk analisis data penginderaan jauh seperti citra optik, SAR, dan LiDAR. Dengan pengalaman riset serta keahlian dalam pemrosesan data dan bahasa pemrograman seperti Python, Ilham memiliki pemahaman mendalam tentang penerapan teknologi komputasi dan perangkat lunak dalam analisis data kompleks.
Deskripsi
- Single Class Package-
Pelatihan ini membahas analisis dan pemetaan lahan terbangun menggunakan algoritma Multi-Layer Perceptron (MLP) dalam QGIS. Peserta akan mempelajari cara memproses data spasial, mengklasifikasikan lahan dengan MLP, serta memvisualisasikan hasilnya untuk perencanaan tata guna lahan. Cocok untuk pemula hingga menengah yang tertarik dalam machine learning untuk GIS.
Jadwal dan List Materi:
Sesi 1
- Kelebihan dan Kekurangan Machine Learning di QGIS
- Karakteristik lahan terbangun berdasar citra satelit
- Pengumpulan data
- Overview instalasi dan interface QGIS
- Pengenalan Plugin dan instalasinya
Sesi 2
- Pengenalan interface plugin SCP
- Memanggil dan visualisasi data vektor&raster
- Masking citra berdasarkan area kajian
- Pembuatan indeks berdasarkan data citra
- Penggunaan SCP untuk handling data citra
Sesi 3
- Pengenalan dan pembuatan data training
- Proses pelatihan model MLP
- Visualisasi dan analisis hasil klasifikasi model
- Melatih kembali model MLP
Sesi 4
- Perhitungan akurasi model
- Membuat data testing untuk evaluasi
- Proses evaluasi model
- Convert hasil klasifikasi menjadi vektor
- Menghitung luasan hasil pemetaan
- Layout hasil akhir
Konten
Sesi 1: Pengenalan Machine Learning di QGIS
Sesi 2 : Plugin Semi-Automatic Classification (SCP) dan Processing Data Citra
Sesi 3: Pembuatan Sampel Data dan Proses Training Algoritma MLP
Silabus
01
Silabus Kelas 1
Akses silabus melalui link berikut: http://s.id/mltanpacoding1
Frequently Asked Question
Bagaimana kalau saya tidak punya basic Machine Learning sama sekali?
Kelas ini dirancang untuk peserta yang sudah memahami basic machine learning, namun pada kelas pertama ini juga terdapat materi tentang pengenalan machine learning secara ringkas.
Kelas Ini Cocok Untuk?
01
Kemampuan Dasar yang Disarankan untuk Peserta:
1. Tertarik mempelajari dasar geospasial termasuk data penginderaan jauh dan sistem informasi geografis (SIG). 2. Tertarik mempelajari tekait penggunaan machine learning di perangkat lunak QGIS...
02
Spesifikasi Perangkat yang Disarankan:
1. Sistem Operasi: Windows 10/11 (64-bit), macOS (versi terbaru yang didukung), atau Linux; 2. Prosesor (CPU): Intel Core i3; 3. RAM: 16 GB. (Meskipun 8 GB mungkin bisa menjalankan beberapa skrip dasar, 16 GB sangat direkomendasikan untuk menangani dataset geospasial dan proses ML yang lebih umum); CATATAN: Pemograman akan dilakukan menggunakan QGIS, sehingga masih memungkinkan dilakukan dengan spek perangkat yang tidak terlalu tinggi dan kapasitas penyimpanan yang kecil, sehingga yang terpenting adalah koneksi internet yang cukup baik. ...
03
CATATAN
Pada pelatihan kali ini ditargetkan untuk pemula dan peserta yang sudah memiliki pemahaman terkait penginderaan jauh dan SIG. Kelas ini akan membahas dasar hingga penerapannya untuk study kasus berupa analisis dan pemetaan lahan terbangun. ...