Pemateri
Wening Asih Diva Aprilia
GIS and Remote Sensing Instructor at Geosoftware.IDWening Asih Diva Aprilia merupakan praktisi di bidang Penginderaan Jauh, Sistem Informasi Geografis (SIG), dan analisis geospasial dengan fokus pada pemanfaatan data spasial untuk pemodelan lingkungan, mitigasi bencana, dan pengambilan keputusan berbasis data. Saat ini, Wening aktif sebagai GIS and Remote Sensing Instructor di Geosoftware.ID serta memiliki pengalaman dalam pengolahan data penginderaan jauh, analisis spasial, dan pengembangan model berbasis Machine Learning menggunakan berbagai perangkat lunak geospasial seperti QGIS, Google Earth Engine, dan MaxEnt. Keahlian yang dimiliki meliputi pemodelan kerawanan spasial, analisis kesesuaian lahan, pengolahan citra satelit, integrasi data multi-sumber, serta penyusunan workflow analisis geospasial untuk mendukung berbagai kebutuhan penelitian, mitigasi bencana, dan perencanaan wilayah. Dalam pelatihan ini, Wening akan membagikan best practices dalam membangun model kerawanan spasial berbasis Machine Learning menggunakan MaxEnt, mulai dari persiapan data, pra-pengolahan, hingga interpretasi hasil pemodelan melalui studi kasus pemodelan kerawanan longsor.
Deskripsi
Pelatihan ini dirancang untuk membekali Sobat Geosoftware dengan pemahaman mengenai pemodelan kerawanan bencana berbasis Machine Learning menggunakan algoritma Maximum Entropy (MaxEnt) dan perangkat lunak QGIS. Peserta akan mempelajari alur kerja pemodelan mulai dari persiapan data, pra-pengolahan data spasial, hingga evaluasi model untuk menghasilkan peta kerawanan yang akurat dan dapat dimanfaatkan sebagai dasar pengambilan keputusan berbasis data.
Pada sesi awal, peserta akan mempelajari konsep dasar pemodelan kerawanan bencana, faktor-faktor yang memengaruhi suatu fenomena, serta pengenalan metode MaxEnt sebagai algoritma Machine Learning berbasis Presence-Only Data. Selain itu, peserta akan melakukan instalasi perangkat lunak, menyiapkan data spasial, serta menyusun data kejadian sebagai masukan pemodelan menggunakan studi kasus pemodelan kerawanan longsor.
Sesi berikutnya difokuskan pada tahapan pra-pengolahan data spasial. Peserta akan mempelajari proses standarisasi data, pengolahan parameter spasial, penyusunan Environmental Layers, serta konversi data ke format yang sesuai untuk kebutuhan pemodelan menggunakan MaxEnt.
Pada sesi terakhir, peserta akan melakukan proses pemodelan menggunakan MaxEnt, mulai dari seleksi variabel, pengaturan parameter model, hingga interpretasi hasil pemodelan menggunakan berbagai indikator evaluasi. Di akhir pelatihan, peserta diharapkan mampu membangun workflow pemodelan kerawanan spasial secara mandiri serta menghasilkan peta kerawanan menggunakan studi kasus pemodelan kerawanan longsor yang dapat diterapkan pada berbagai kebutuhan analisis geospasial.
Jadwal dan List Materi:
Sesi 1
- Konsep dasar pemodelan kerawanan bencana dan penerapannya
- Algoritma Maximum Entropy (MaxEnt) sebagai metode Machine Learning berbasis Presence-Only Data
- Instalasi dan konfigurasi QGIS, Java JRE, dan MaxEnt GUI
- Persiapan data spasial dan data kejadian sebagai input pemodelan
- Import, pengelolaan, dan visualisasi data spasial di QGIS
- Penyusunan Presence Points menggunakan studi kasus pemodelan kerawanan longsor
Sesi 2
- Pengelolaan data spasial menggunakan Dissolve, Rasterize, dan standarisasi atribut
- Pengaturan sistem koordinat, proyeksi, resolusi spasial, dan extent
- Penyusunan Environmental Layers dari berbagai parameter spasial
- Pengolahan parameter topografi dan analisis Proximity Distance sebagai variabel pemodelan
- Konversi raster GeoTIFF (.tif) menjadi ASCII Grid (.asc) sebagai input MaxEnt
- Validasi dan standarisasi seluruh parameter sebelum proses pemodelan
Sesi 3 (
- Seleksi variabel menggunakan Pearson Correlation dan Cramer's V
- Persiapan Presence Points dan Environmental Layers sebagai data input
- Pengaturan parameter dan simulasi pemodelan menggunakan MaxEnt
- Interpretasi hasil melalui Percent Contribution dan Permutation Importance
- Penyusunan dan interpretasi peta kerawanan bencana berdasarkan studi kasus pemodelan kerawanan longsor
Konten
Dasar Pemodelan Kerawanan Bencana dan Persiapan Data
Pra-Pengolahan Data dan Penyusunan Environmental Layers
Silabus
01
Silabus Kelas
Akses silabus melalui link berikut: https://s.id/silabuskerawanan
Frequently Asked Question
Apakah pelatihan ini cocok untuk pemula?
Ya. Pelatihan ini dirancang untuk peserta dengan tingkat dasar hingga menengah (Basic to Intermediate). Peserta disarankan telah mengenal dasar-dasar SIG dan penggunaan QGIS agar lebih mudah mengikuti materi.
Software apa saja yang akan digunakan?
Pelatihan menggunakan QGIS LTR, Maximum Entropy (MaxEnt), dan Java Runtime Environment (JRE) sebagai perangkat utama dalam proses pemodelan kerawanan longsor.
Apakah saya akan belajar konsep Machine Learning juga?
Ya. Selain praktik menggunakan MaxEnt, peserta juga akan mempelajari konsep dasar Machine Learning berbasis Presence-Only Data, proses penyusunan variabel, pengaturan parameter model, serta cara mengevaluasi hasil pemodelan.
Apakah pelatihan ini cocok untuk penelitian atau tugas akhir?
Sangat cocok. Materi dapat diterapkan untuk penelitian akademik, tugas akhir, maupun proyek yang berkaitan dengan pemodelan kerawanan longsor dan analisis spasial berbasis Machine Learning.
Bagaimana jika saya tidak bisa mengikuti sesi secara langsung?
Peserta tetap dapat mengakses rekaman pelatihan sehingga materi dapat dipelajari kembali sesuai kebutuhan.
Apakah peserta mendapatkan sertifikat?
Ya, tersedia dua jenis sertifikat: Certificate of Completion dan Certificate of Appreciation.
Apa syarat mendapatkan Certificate of Completion?
Certificate of Completion diberikan kepada peserta yang minimal menghadiri 2 sesi dari total 3 sesi pelatihan.
Apa syarat mendapatkan Certificate of Appreciation?
Certificate of Appreciation diberikan kepada peserta yang mengerjakan dan mengumpulkan mini project sesuai ketentuan yang ditetapkan.
Kelas Ini Cocok Untuk?
01
Kemampuan Dasar yang Disarankan untuk Peserta:
1. Memiliki ketertarikan pada bidang Sistem Informasi Geografis (SIG), penginderaan jauh, Machine Learning, atau mitigasi bencana. 2. Memahami dasar-dasar SIG dan pengolahan data spasial, seperti data raster, data vektor, sistem koordinat, dan visualisasi peta. 3. Terbiasa menggunakan komputer, internet, serta aplikasi berbasis desktop untuk analisis geospasial. 4. Memiliki pengalaman dasar menggunakan QGIS menjadi nilai tambah, namun tidak wajib. 5. Memiliki laptop dengan spesifikasi yang mendukung proses pengolahan data spasial dan pemodelan....
02
Spesifikasi Perangkat yang Disarankan:
1. Processor: Minimal Intel Core i3 / AMD Ryzen 3 (disarankan Intel Core i5 / AMD Ryzen 5 atau lebih tinggi). 2. RAM: Minimal 8 GB (disarankan 16 GB untuk performa yang lebih optimal). 3. Penyimpanan: Minimal tersedia 10 GB ruang kosong. 4. Sistem Operasi: Windows 10/11 (64-bit), macOS, atau Linux. 5. Perangkat Lunak: QGIS LTR, Java Runtime Environment (JRE), dan MaxEnt GUI. 6. Koneksi Internet: Minimal 10 Mbps dan stabil untuk proses pengunduhan data dan pelatihan daring. 7. Browser: Google Chrome atau Microsoft Edge versi terbaru....
03
CATATAN
Pelatihan ini ditujukan bagi peserta yang ingin mempelajari pemodelan kerawanan bencana menggunakan pendekatan Machine Learning dengan algoritma Maximum Entropy (MaxEnt). Materi disusun secara bertahap, mulai dari persiapan data, pra-pengolahan data spasial, penyusunan Environmental Layers, hingga proses pemodelan dan interpretasi hasil menggunakan studi kasus pemodelan kerawanan longsor. Melalui praktik langsung menggunakan QGIS dan MaxEnt, peserta akan mempelajari workflow pemodelan secara end-to-end, mulai dari penyusunan data masukan, pembangunan model, hingga interpretasi hasil analisis. Setelah mengikuti pelatihan ini, peserta diharapkan mampu menerapkan metode yang dipelajari untuk mendukung berbagai kebutuhan analisis kerawanan bencana dengan menyesuaikan jenis data, parameter, dan studi kasus yang digunakan....