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 1 dirancang untuk membekali Sobat Geosoftware dengan pemahaman dasar mengenai konsep penginderaan jauh dan machine learning serta penerapannya dalam analisis perubahan tutupan dan penggunaan lahan. Peserta akan mempelajari alur kerja analisis spasial secara bertahap, dimulai dari pengenalan jenis-jenis citra satelit dan karakteristiknya, pemanggilan serta pengolahan data citra menggunakan Google Earth Engine, hingga pemahaman konsep dasar machine learning dalam konteks klasifikasi spasial.
Selain penguasaan konsep, peserta juga akan melakukan praktik pemodelan tutupan dan penggunaan lahan menggunakan QGIS dan Google Earth Engine, termasuk proses pemilihan data training dan testing serta evaluasi hasil klasifikasi melalui uji akurasi. Pada tahap lanjutan, peserta akan mempelajari analisis perubahan tutupan lahan secara temporal untuk mengkaji fenomena deforestasi. Materi disusun secara sistematis dan aplikatif sehingga dapat diikuti oleh pemula, sekaligus memberikan dasar yang kuat untuk analisis spasial berbasis machine learning.
Jadwal dan List Materi:
Sesi 1
- Konsep dasar penginderaan jauh dan perannya dalam analisis spasial
- Jenis-jenis citra satelit dan karakteristiknya
- Koreksi citra satelit
- Pemanggilan data dan penentuan area studi di Google Earth Engine
Sesi 2
- Konsep dasar machine learning
- Konsep data training dan testing
- Teknik pemilihan sampel training dan testing
- Simulasi pemodelan tutupan dan penggunaan lahan berbasis machine learning di QGIS
Sesi 3
- Pemodelan tutupan dan penggunaan lahan menggunakan GEE
- Konsep dan metode uji akurasi
- Perhitungan overall accuracy dan kappa accuracy
- Analisis time series perubahan tutupan lahan untuk kajian deforestasi
Sesi 4
- Teknik visualisasi data spasial (layout, simbolisasi, dan pewarnaan)
- Penyusunan laporan visual hasil analisis
- Pembuatan dan penyajian dashboard berbasis WebGIS
- Interpretasi p-value dan interval kepercayaan
Konten
Pengantar Penginderaan Jauh dengan Google Earth Engine (GEE)
Machine Learning untuk Tutupan dan Penggunaan Lahan dengan QGIS
Machine Learning untuk Tutupan dan Penggunaan Lahan dengan Google Earth Engine
Silabus
01
Silabus Kelas 1
Akses silabus melalui link berikut: https://s.id/silabusML1
Frequently Asked Question
Pelatihan ini ditujukan untuk siapa?
Pelatihan ini ditujukan bagi mahasiswa, peneliti, praktisi, maupun umum yang ingin mempelajari dasar penginderaan jauh dan machine learning untuk analisis tutupan dan penggunaan lahan, khususnya perubahan tutupan lahan seperti deforestasi.
Apakah pelatihan ini cocok untuk pemula?
Ya. Pelatihan bersifat pemula-friendly dan disusun secara bertahap, mulai dari pengenalan citra satelit dan penginderaan jauh hingga penerapan machine learning dalam analisis spasial.
Apakah peserta harus memiliki pengalaman machine learning sebelumnya?
Tidak wajib. Namun, pemahaman dasar mengenai penginderaan jauh, GIS, dan logika analisis akan membantu peserta mengikuti materi dengan lebih optimal.
Software apa saja yang digunakan dalam pelatihan ini?
Pelatihan menggunakan Google Earth Engine (GEE) dan QGIS sebagai perangkat utama untuk pengolahan citra, pemodelan tutupan lahan, dan visualisasi hasil.
Apakah peserta mendapatkan sertifikat dan materi pelatihan?
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 Penginderaan Jauh dan Data Spasial: Peserta disarankan memiliki pemahaman umum mengenai penginderaan jauh dan data spasial, seperti citra satelit, peta, serta konsep area studi. Pengetahuan ini membantu peserta memahami konteks analisis tutupan dan penggunaan lahan serta memudahkan interpretasi hasil pemodelan berbasis citra satelit. 2. Familiar dengan Peta Digital dan Lingkungan GIS: Peserta diharapkan terbiasa membaca peta digital dan memahami representasi spasial seperti layer, raster, dan vektor. Kemampuan ini penting untuk mendukung praktik pemanggilan data citra, pengelolaan data spasial, serta visualisasi hasil analisis menggunakan QGIS dan Google Earth Engine. 3. Kemampuan Dasar Coding dan Alur Kerja Analisis: Peserta disarankan memiliki pemahaman dasar mengenai coding sederhana, seperti mengenali struktur perintah, variabel, dan alur eksekusi program. Pengalaman dasar menggunakan script (misalnya di Google Earth Engine atau bahasa pemrograman lain) akan membantu peserta mengikuti proses pemodelan, pengolahan data, dan evaluasi hasil 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 citra, klasifikasi, dan visualisasi spasial berjalan lebih lancar. 2. RAM: Minimum 8 GB. Disarankan 16 GB untuk kenyamanan saat mengolah data citra resolusi menengah–tinggi dan menjalankan QGIS secara bersamaan dengan browser Google Earth Engine. 3. Storage: Minimal 10–15 GB ruang kosong untuk instalasi QGIS, penyimpanan data spasial, cache pemrosesan, serta file hasil analisis dan visualisasi. 4. Sistem Operasi: Windows 10/11 (64-bit), macOS versi terbaru, atau Linux (Ubuntu 20.04 LTS atau setara) yang mendukung instalasi QGIS 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 mengikuti kelas daring....
03
CATATAN
Pelatihan ini ditujukan bagi peserta yang ingin mempelajari konsep dasar penginderaan jauh dan machine learning serta penerapannya dalam analisis tutupan dan penggunaan lahan. Pelatihan bersifat pemula-friendly, sehingga tidak mengharuskan peserta memiliki pengalaman sebelumnya dalam pemodelan spasial atau machine learning. Namun, pemahaman dasar mengenai data spasial, peta digital, serta logika analisis akan membantu peserta mengikuti materi dengan lebih optimal. Materi pelatihan disusun secara bertahap dan sistematis, dimulai dari pengenalan penginderaan jauh dan karakteristik citra satelit, pemanggilan dan pengolahan data menggunakan Google Earth Engine, hingga penerapan machine learning untuk klasifikasi tutupan dan penggunaan lahan menggunakan QGIS dan GEE. Pada tahap lanjutan, peserta akan mempelajari evaluasi hasil pemodelan melalui uji akurasi serta analisis perubahan tutupan lahan secara temporal. Pelatihan ini dirancang agar peserta mampu mengikuti seluruh alur analisis spasial—mulai dari persiapan data citra hingga visualisasi dan komunikasi hasil—melalui kombinasi teori dan praktik yang terstruktur....