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 teknik pemantauan deforestasi dan perubahan tutupan vegetasi menggunakan algoritma Random Forest dalam QGIS. Peserta akan mempelajari cara memproses citra satelit (Landsat/Sentinel), mengklasifikasikan perubahan lahan, dan memvisualisasi hasil deforestasi dalam peta tematik.
Jadwal dan List Materi:
Sesi 1
- Overview pengenalan machine Learning di QGIS
- Karakteristik objek vegetasi pada citra satelit
- Pengenalan dan instalasi plugin
- Membuat spektral indeks untuk citra Time-1
- Membuat data training citra Time-1
- Training model Random Forest klasifikasi citra Time-1
- Visualisasi dan analisis hasil
Sesi 2
- Membuat spektral indeks untuk citra Time-2
- Membuat data training citra Time-2
- Training model Random Forest klasifikasi citra Time-2
- Visualisasi dan analisis hasil
- Membuat data testing untuk evaluasi model
- Perhitungan akurasi peta vegetasi Time-1 dan 2
Sesi 3
- Proses perhitungan berdasarkan peta Time-1 dan 2
- Pembuatan peta deforestasi
- Convert hasil pemetaan menjadi vektor
- Analisis perhitungan luasan deforestasi
- Layout Hasil Akhir
Konten
Sesi 1 : Pengenalan Deforestasi dan Pemetaan Objek Vegetasi Time-1
Sesi 2 : Pemetaan Objek Vegetasi Time-2 dan Perhitungan Akurasi
Silabus
01
Silabus kelas 2
Akses silabus melalui link berikut http://s.id/mltanpacoding2
Kelas Ini Cocok Untuk?
01
Kemampuan Dasar yang Disarankan untuk Peserta:
1. Memiliki pemahaman dasar terkait data penginderaan jauh dan sistem informasi geospasial (SIG). 2. Memiliki pengalaman menggunakan 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:
Diharapkan peserta mempunyai pemahaman terkait data penginderaan jauh dan perangkat lunak QGIS. Apabila peserta memulai dari nol, maka disarankan dapat mengikuti pelatihan kelas pertama, karena pada pelatihan kali ini masih berhubungan dengan kelas sebelumnya....