Pemateri
M Ilham Habib
GIS Specialist/Instructor at Geosoftware.idM. Ilham Habib adalah profesional di bidang Geografi dan Sains Data Spasial dengan keahlian dalam GIS, Penginderaan Jauh, dan Analisis Spasial berbasis Machine Learning. Ilham merupakan lulusan Sarjana Sains Geografi dari Universitas Negeri Padang dengan IPK 3.67, dengan fokus pada pemetaan, analisis geospasial, penginderaan jauh, serta pemrograman Python untuk analisis data spasial. Ilham memiliki pengalaman mengajar yang cukup baik, di antaranya pernah menjadi asisten dosen dan mengajar di universitas negeri padang jurusan geografi dan universitas bung hatta jurusan Perencanaan wilayah dan kota. Selain itu ilham juga telah menjadi instruktur di bidang GIS, Remote Sensing, dan machine learning untuk data spasial pada berbagai pelatihan profesional yang diselenggarakan oleh Geosoftware ID. Dedikasinya dalam bidang geospasial juga tercermin dari berbagai prestasi nasional yang diraihnya, seperti Juara 1 Lomba Karya Tulis Ilmiah Geografi Nasional (PIKOM-G), Juara 3 Kompetisi Pemetaan SCALE MAP, dan juga juara 3 dalam kompetisi mapcom barrashepere 2025 oleh PT Barrakusuma Spatial Teknologi
Deskripsi
Pelatihan ini dirancang untuk membekali Sobat Geosoftware dengan pemahaman mengenai analisis lokasi berbasis data spasial dan machine learning untuk penentuan lokasi optimal pada sektor bisnis maupun non-bisnis. Peserta akan mempelajari pendekatan location intelligence dan geomarketing untuk mengevaluasi potensi suatu lokasi, memahami faktor-faktor yang memengaruhinya, serta menyusun rekomendasi berbasis data.
Pada tahap awal, peserta akan mempelajari konsep geomarketing, location intelligence, dan peran GIS dalam analisis lokasi. Materi mencakup pengenalan data spasial, identifikasi sumber data, serta penyusunan dataset untuk studi kasus penentuan lokasi coffee shop berdasarkan parameter seperti competitor, fasilitas pendidikan, objek wisata, jaringan jalan, dan kepadatan penduduk.
Selanjutnya, pelatihan berfokus pada proses spatial feature engineering dan pembuatan model machine learning menggunakan algoritma Random Forest. Peserta akan mempelajari perhitungan jarak, kepadatan, dan parameter spasial lainnya, kemudian melakukan evaluasi model, analisis feature importance, serta visualisasi hasil dalam bentuk peta rekomendasi lokasi.
Sebagai pengayaan, metode yang sama juga diterapkan pada sektor non-bisnis melalui studi kasus analisis kesesuaian lokasi puskesmas, sehingga peserta dapat memahami bagaimana satu metode dapat digunakan untuk berbagai kebutuhan pengambilan keputusan berbasis spasial.
Jadwal dan List Materi:
Sesi 1
- Pengantar geomarketing dan location intelligence
- Pengantar GIS dan jenis data spasial (vektor & raster)
- Pengenalan sumber dan karakteristik data spasial
- Persiapan dataset studi kasus coffee shop
- Identifikasi parameter untuk analisis lokasi
Sesi 2
- Konsep feature engineering geospasial
- Perhitungan jarak, kepadatan, dan parameter spasial
- Praktik feature engineering pada dataset
- Finalisasi dataset untuk machine learning
- Persiapan data untuk pemodelan
Sesi 3
- Pembuatan model Random Forest
- Evaluasi model dan analisis feature importance
- Pembobotan parameter analisis
- Analisis potensi lokasi coffee shop
- Visualisasi peta dan rekomendasi lokasi terbaik
Sesi 4
- Persiapan dataset lokasi puskesmas
- Penambahan parameter spasial pendukung
- Pembuatan model Random Forest untuk studi kasus non-bisnis
- Analisis potensi lokasi puskesmas
- Visualisasi peta dan rekomendasi lokasi terbaik
Konten
Fundamental Geomarketing, Location Intelligence & Data Acquisition
Spatial Feature Engineering dan Finalisasi Dataset
Interpretasi Model & Analisis Potensi Lokasi Coffee Shop
Silabus
01
Silabus Pelatihan
Akses silabus melalui link berikut: https://s.id/silabuslokasi
Frequently Asked Question
Apakah pelatihan ini cocok untuk pemula?
Pelatihan ini berada pada level menengah (intermediate). Peserta disarankan telah memahami dasar GIS, data spasial, serta pernah menggunakan Python atau Google Colab sebelumnya.
Apakah harus bisa coding untuk mengikuti pelatihan ini?
Tidak harus mahir. Peserta cukup memahami dasar penggunaan Python, seperti menjalankan script dan membaca data. Selama pelatihan, instruktur akan membimbing langkah demi langkah.
Software apa saja yang digunakan?
Pelatihan menggunakan Google Colab sebagai platform utama untuk pengolahan data dan machine learning. Peserta juga disarankan memiliki software GIS seperti QGIS untuk melihat dan mengecek data spasial.
Studi kasus apa yang digunakan dalam pelatihan?
Terdapat dua studi kasus: Penentuan lokasi coffee shop baru (sektor bisnis) serta Analisis kesesuaian lokasi puskesmas (sektor non-bisnis)
Apakah data dan modul akan disediakan?
Ya, peserta akan mendapatkan modul, dataset latihan, serta script yang digunakan selama pelatihan.
Apakah ada rekaman kelas?
Rekaman kelas akan dibagikan kepada peserta yang telah terdaftar sehingga materi dapat dipelajari kembali setelah pelatihan.
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 4 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. Memahami Konsep Dasar Data Spasial dan GIS: Peserta disarankan telah memahami konsep peta digital, layer spasial, serta perbedaan data vektor dan raster. Pemahaman dasar mengenai lokasi, jarak, kepadatan, dan faktor spasial akan membantu peserta mengikuti analisis potensi lokasi. 2. Terbiasa Menggunakan Software GIS Dasar: Peserta sebaiknya pernah menggunakan QGIS, ArcGIS, atau software pemetaan lainnya untuk memahami konsep overlay, buffering, dan manajemen layer. Tidak harus mahir, tetapi familiar dengan alur kerja GIS akan mempermudah proses penyusunan dan interpretasi data spasial. 3. Memiliki Dasar Penggunaan Python atau Analisis Data: Disarankan telah memahami dasar penggunaan Python atau Google Colab, misalnya menjalankan script, membaca data, dan memahami tabel data. Peserta tidak diwajibkan memiliki kemampuan pemrograman lanjutan, namun pemahaman dasar akan membantu dalam mengikuti proses feature engineering dan machine learning....
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, feature engineering, dan pemodelan machine learning di Google Colab dapat berjalan lebih optimal. 2. RAM: Minimum 8 GB. Disarankan 16 GB untuk kenyamanan saat membuka Google Colab, browser, dan software GIS seperti QGIS secara bersamaan, terutama saat mengelola beberapa layer dan dataset spasial. 3. Storage: Minimal 10–15 GB ruang kosong untuk penyimpanan dataset pelatihan, hasil analisis, serta instalasi software pendukung seperti QGIS dan browser. 4. Sistem Operasi: Windows 10/11 (64-bit), macOS versi terbaru, atau Linux (Ubuntu 20.04 LTS atau setara) yang mendukung penggunaan browser modern, QGIS, dan Google Colab. 5. Koneksi Internet: Koneksi internet stabil dengan kecepatan minimal 5 Mbps untuk mengakses Google Colab, mengunduh dataset latihan, dan mengikuti kelas daring melalui Zoom Meeting....
03
CATATAN
Pelatihan ini ditujukan bagi peserta yang ingin memperdalam kemampuan analisis lokasi berbasis data spasial dan machine learning, khususnya untuk penentuan lokasi optimal pada sektor bisnis maupun non-bisnis. Kelas ini berada pada level menengah (intermediate), sehingga peserta disarankan telah memahami dasar GIS, data spasial, dan penggunaan Python atau Google Colab sebelum mengikuti pelatihan. Materi disusun secara sistematis dan aplikatif, mencakup penyusunan dataset spasial, proses spatial feature engineering, pembuatan model Random Forest, evaluasi dan interpretasi feature importance, hingga penyusunan peta rekomendasi lokasi berbasis data....