Pemateri
Tania Septi Anggraini
Lecturer & Researcher/Geosoftware InstructorTania Septi Anggraini adalah dosen dan peneliti di bidang Geographic Information Science dengan fokus pada penginderaan jauh, GIS, dan pemodelan spasial berbasis machine learning untuk isu-isu lingkungan. Aktivitas risetnya mencakup kualitas udara, perubahan tutupan lahan, risiko bencana, energi terbarukan, serta ketahanan pangan yang dianalisis menggunakan integrasi data spasial dan citra satelit. Saat ini, ia aktif mengajar dan melakukan penelitian di Universitas Pendidikan Indonesia (UPI) serta terlibat dalam berbagai proyek riset nasional dan internasional. Dengan pengalaman riset dan publikasi ilmiah yang kuat, ia berkomitmen mendorong pemanfaatan teknologi geospasial dan machine learning sebagai dasar analisis dan pengambilan keputusan yang berbasis data dan berkelanjutan.
Deskripsi
Pelatihan Kelas 2 dirancang untuk membekali Sobat Geosoftware dengan pemahaman lanjutan mengenai pemodelan bahaya banjir dan analisis dampaknya menggunakan pendekatan penginderaan jauh, GIS, dan machine learning. Peserta akan mempelajari konsep risiko bencana banjir berdasarkan kerangka BNPB dan IPCC, serta memahami faktor-faktor pendukung terjadinya banjir sebagai dasar dalam penyusunan model spasial.
Pada sesi praktik, peserta akan dilatih melakukan pemodelan bahaya banjir menggunakan berbagai metode, termasuk Multi-Criteria Decision Analysis (MCDA), Geomorphological Flood Index (GFI), dan machine learning. Peserta juga akan mempelajari proses persiapan data, pemodelan bahaya, hingga analisis dampak banjir terhadap wilayah terdampak. Materi disusun secara terintegrasi dan aplikatif agar peserta mampu mengikuti seluruh alur analisis banjir, mulai dari pra-pemrosesan data hingga interpretasi hasil sebagai dasar pengambilan keputusan dan perencanaan mitigasi bencana.
Jadwal dan List Materi:
Sesi 1
- Konsep risiko bencana (pendekatan BNPB dan IPCC)
- Konsep dasar bahaya banjir
- Faktor-faktor pendukung banjir
- Persiapan dan pra-pemrosesan data spasial banjir
Sesi 2
- Prinsip dasar Multi-Criteria Decision Analysis (MCDA)
- Penentuan bobot dan kriteria banjir
- Pemodelan bahaya banjir menggunakan MCDA
- Identifikasi wilayah berpotensi terdampak banjir
Sesi 3
- Konsep dasar Geomorphological Flood Index (GFI)
- Persiapan plugin dan perangkat lunak GFI
- Pengambilan dan pengolahan data historis banjir
- Pre-processing parameter GFI
- Pemodelan bahaya banjir dan identifikasi potensi error
Sesi 4
- Persiapan data sampel untuk pemodelan banjir
- Pemodelan bahaya banjir menggunakan machine learning
- Pemodelan dampak banjir berbasis penginderaan jauh dan GIS
- Analisis terpadu bahaya dan dampak banjir
Konten
Pengantar Risiko Bencana dan Pre-processing Data Banjir
Pemodelan Bahaya Banjir dengan Metode MCDA
Pemodelan Bahaya Banjir dengan Metode GFI
Silabus
01
Silabus Kelas 1
Akses silabus melalui link berikut: https://s.id/silabusML2
Frequently Asked Question
Pelatihan ini ditujukan untuk siapa?
Pelatihan ini ditujukan bagi mahasiswa, peneliti, dan praktisi yang ingin mempelajari pemodelan bahaya banjir dan analisis dampaknya menggunakan penginderaan jauh, GIS, dan machine learning.
Apakah pelatihan ini cocok untuk pemula?
Pelatihan ini merupakan kelas lanjutan. Peserta disarankan telah memiliki pemahaman dasar penginderaan jauh, GIS, dan coding agar dapat mengikuti materi dan praktik dengan optimal.
Apakah peserta wajib mengikuti Kelas 1 terlebih dahulu?
Tidak wajib, namun sangat disarankan. Kelas 1 memberikan dasar penginderaan jauh dan machine learning tutupan lahan yang akan membantu peserta memahami alur analisis pada Kelas 2.
Apakah peserta akan mempelajari evaluasi dan interpretasi hasil pemodelan?
Ya. Peserta akan mempelajari cara mengevaluasi hasil pemodelan bahaya dan dampak banjir serta menginterpretasikan peta hasil sebagai dasar pengambilan keputusan.
Apakah peserta mendapatkan materi dan sertifikat?
Ya. Peserta yang mengikuti pelatihan hingga selesai akan mendapatkan modul, data praktik, dan sertifikat keikutsertaan sesuai ketentuan penyelenggara.
Kelas Ini Cocok Untuk?
01
Kemampuan Dasar yang Disarankan untuk Peserta:
1. Pemahaman Dasar Risiko Bencana dan Lingkungan Fisik: Peserta disarankan memiliki pemahaman umum mengenai risiko bencana, khususnya banjir, serta faktor-faktor lingkungan fisik yang memengaruhinya, seperti topografi, hidrologi, dan penggunaan lahan. Pengetahuan ini membantu peserta memahami konteks pemodelan bahaya banjir dan interpretasi hasil analisis spasial. 2. Familiar dengan Data Spasial dan Lingkungan GIS: Peserta diharapkan terbiasa membaca dan mengelola peta digital serta memahami representasi data spasial seperti layer, raster, dan vektor. Kemampuan ini penting untuk mendukung proses pra-pemrosesan data, pengolahan parameter banjir, serta visualisasi hasil pemodelan menggunakan GIS dan penginderaan jauh. 3. Kemampuan Dasar Coding dan Alur Kerja Analisis Spasial: Peserta disarankan memiliki pemahaman dasar mengenai coding sederhana dan alur kerja analisis, seperti penggunaan script, pengaturan parameter, dan urutan proses pemodelan. Pengalaman dasar menggunakan script di Google Earth Engine, QGIS, atau bahasa pemrograman lain akan membantu peserta mengikuti proses pemodelan banjir berbasis MCDA, GFI, dan machine learning secara lebih sistematis, meskipun tidak diwajibkan memiliki latar belakang pemrograman lanjutan....
02
Spesifikasi Perangkat yang Disarankan:
1. Processor: Minimal Intel i3 / AMD Ryzen 3 atau setara. Direkomendasikan Intel i5 / AMD Ryzen 5 atau lebih tinggi agar proses pengolahan data spasial, pemodelan MCDA–GFI, serta pelatihan model machine learning berjalan lebih lancar. 2. RAM: Minimum 8 GB. Disarankan 16 GB untuk kenyamanan saat mengolah data raster berukuran besar, menjalankan QGIS, serta melakukan analisis spasial dan machine learning secara bersamaan. 3. Storage: Minimal 10–15 GB ruang kosong untuk instalasi QGIS, plugin pendukung (MCDA/GFI), penyimpanan data spasial, cache pemrosesan, serta file hasil pemodelan dan visualisasi banjir. 4. Sistem Operasi: Windows 10/11 (64-bit), macOS versi terbaru, atau Linux (Ubuntu 20.04 LTS atau setara) yang mendukung instalasi QGIS, plugin GFI, dan akses Google Earth Engine. 5. Koneksi Internet: Koneksi internet stabil dengan kecepatan minimal 5 Mbps, terutama untuk mengakses Google Earth Engine, mengunduh data citra satelit dan data pendukung banjir, serta mengikuti kelas daring....
03
CATATAN
Pelatihan ini ditujukan bagi peserta yang ingin mempelajari pemodelan bahaya banjir dan analisis dampaknya menggunakan pendekatan penginderaan jauh, GIS, dan machine learning. Pelatihan disusun untuk peserta tingkat menengah, sehingga disarankan peserta telah memiliki pemahaman dasar penginderaan jauh, GIS, dan coding sebelum mengikuti kelas ini. Materi pelatihan disusun secara bertahap dan terintegrasi, dimulai dari pemahaman konsep risiko bencana banjir, persiapan dan pra-pemrosesan data spasial, hingga pemodelan bahaya banjir menggunakan metode MCDA dan GFI. Pada tahap lanjutan, peserta akan mempelajari pemodelan bahaya dan dampak banjir berbasis machine learning yang dikombinasikan dengan data penginderaan jauh dan analisis GIS. Pelatihan ini dirancang agar peserta mampu mengikuti seluruh alur analisis banjir—mulai dari persiapan data, proses pemodelan, hingga interpretasi dan komunikasi hasil—melalui kombinasi teori dan praktik yang sistematis dan aplikatif....