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
Pelatihan ini dirancang untuk memberikan pemahaman komprehensif kepada Sobat Geosoftware mengenai pengolahan data geospasial menggunakan Python, mulai dari pengenalan konsep dasar data spasial hingga visualisasi dan analisis data vektor serta raster. Peserta akan mempelajari alur kerja lengkap pengolahan data geospasial, dimulai dari pemahaman konsep dasar Sistem Informasi Geografis (SIG), jenis-jenis data geospasial seperti vektor dan raster, serta peran Python sebagai alat analisis data spasial. Materi juga mencakup pengenalan lingkungan kerja Python, penggunaan library geospasial seperti GeoPandas dan Shapely, serta teknik input dan visualisasi data vektor (point, line, polygon). Tahapan ini membangun fondasi kuat agar peserta memahami bagaimana data geospasial dibaca, dikelola, dan divisualisasikan secara sistematis menggunakan Python.
Melalui praktik langsung, peserta mempelajari langkah-langkah teknis mulai dari manipulasi dan analisis data vektor, penerapan geoprocessing seperti buffer, intersect, dan union, hingga pembuatan peta tematik seperti choropleth map untuk analisis spasial. Peserta juga diperkenalkan pada pengolahan data raster dan data penginderaan jauh, termasuk input dan visualisasi citra satelit menggunakan library Rasterio serta pemanfaatan GEEMAP untuk mengakses data remote sensing. Pada sesi akhir, peserta melakukan analisis raster sederhana seperti perhitungan spectral index dan interpretasi hasil visualisasi data spasial. Dengan pendekatan sistematis dari teori hingga praktik, pelatihan ini memastikan peserta menguasai workflow end-to-end pengolahan data geospasial menggunakan Python dan mampu mengaplikasikannya dalam berbagai kebutuhan analisis dan pemetaan geospasial.
Jadwal dan List Materi:
Sesi 1 — Basic Geospatial Data Processing using Python
- Pengenalan konsep dasar geospatial data dan peran Python dalam pengolahan data spasial
- Pengenalan tipe data geospasial: vektor (point, line, polygon) dan raster
- Instalasi dan pengaturan lingkungan kerja Python untuk geospatial (Python, Jupyter Lab/Notebook, virtual environment)
- Pengenalan library Python untuk data geospasial
- Pengenalan Jupyter Lab/Notebook sebagai lingkungan kerja analisis
- Praktik dasar Python untuk pengolahan data geospasial
- Pengenalan Google Colab sebagai alternatif eksekusi Python berbasis cloud
Sesi 2 — Input & Visualisasi Data Vektor (Point, Line, Polygon)
- Review materi dasar geospatial dan Python pada sesi sebelumnya
- Pengenalan geometry collections menggunakan library Shapely
- Pengenalan Geopandas untuk pengelolaan data GIS di Python
- Input dan eksplorasi data vektor (point, line, polygon) menggunakan Geopandas
- Visualisasi data vektor menggunakan Python
- Pemahaman sistem proyeksi peta dan Coordinate Reference System (CRS)
- Manipulasi dan pembaruan atribut tabel data vektor
- Visualisasi multi-layer peta dan penyimpanan hasil peta
Sesi 3 — Geoprocessing & Choropleth Map
- Review materi input dan visualisasi data vektor
- Penerapan geoprocessing tools di Python seperti buffer, union, dan intersect
- Analisis spasial berbasis vektor menggunakan Python
- Pembuatan dan visualisasi choropleth map untuk analisis tematik
- Pengenalan konsep dan penerapan point pattern analysis
- Interpretasi hasil analisis spasial dan tematik berbasis peta
Sesi 4 — Input & Visualisasi Data Raster (Remote Sensing Data)
- Review konsep geoprocessing dan analisis spasial
Pengambilan data spasial dari OpenStreetMap menggunakan library OSMnx
Pengenalan data raster dan karakteristik data penginderaan jauh
Pemanfaatan GEEMAP di Python untuk pemilihan dan download data citra satelit
Input, visualisasi, dan ekspor data raster menggunakan library Rasterio
Perhitungan spectral index (misalnya NDVI) menggunakan Python
Interpretasi hasil analisis raster dan citra satelit
Konten
Basic Geospatial Data Processing using Python
Input & Visualisasi Data Vektor (Point, Line, Polygon)
Geoprocessing & Choropleth Map
Silabus
01
Silabus
Akses silabus melalui link berikut: https://s.id/GeospasialDataWithPython
Frequently Asked Question
Apakah pelatihan ini cocok untuk pemula?
Pelatihan ini dapat diikuti oleh peserta yang memiliki pemahaman dasar Python dan konsep geospasial. Materi disusun bertahap dari pengenalan data spasial hingga analisis vektor dan raster menggunakan Python.
Apakah pelatihan ini dilaksanakan secara sinkronus atau asinkronus?
Pelatihan ini dilaksanakan secara asinkronus (self-paced learning). Peserta dapat mempelajari modul dan video pembelajaran secara mandiri sesuai waktu masing-masing.
Apakah dataset latihan disediakan?
Ya. Seluruh dataset latihan, contoh data vektor, raster, serta data citra satelit akan disediakan sebagai bagian dari materi pelatihan.
Apakah peserta akan mendapatkan sertifikat?
Ya. Peserta yang menyelesaikan seluruh materi dan memenuhi ketentuan pelatihan akan mendapatkan Certificate of Completion dari Geosoftware.ID.
Kelas Ini Cocok Untuk?
01
Kemampuan Dasar yang Disarankan untuk Peserta:
1. Dasar Konsep Geospasial (SIG): Memahami konsep dasar Sistem Informasi Geografis (SIG) seperti perbedaan data vektor dan raster, sistem koordinat, serta penggunaan data spasial dalam pemetaan. Pemahaman ini penting untuk mengikuti materi pengenalan geospatial data dan analisis spasial berbasis Python. 2. Dasar Python: Memahami dasar pemrograman Python, meliputi penggunaan variabel, tipe data, struktur logika sederhana, fungsi, dan pemanggilan library. Pengetahuan ini diperlukan untuk mengikuti praktik pengolahan data geospasial menggunakan GeoPandas, Shapely, Rasterio, serta workflow analisis berbasis Python. 3. Dasar Pengolahan Data (Opsional): Pengalaman awal dalam membaca dan mengelola data (CSV, tabel atribut, atau data spasial) akan membantu peserta dalam proses eksplorasi data, manipulasi atribut, serta visualisasi data vektor dan raster di Python. 4. Kesiapan Menggunakan Lingkungan Kerja Teknis: Peserta diharapkan siap bekerja dengan tools teknis seperti Jupyter Notebook atau Google Colab, melakukan instalasi library, serta mengikuti alur kerja analisis yang bersifat bertahap, mulai dari input data, visualisasi, geoprocessing, hingga analisis raster dan citra satelit....
02
Spesifikasi Perangkat yang Disarankan:
1. Sistem Operasi: Windows 10/11 (64-bit), macOS versi terbaru, atau Linux seperti Ubuntu 20.04 LTS. Seluruh tools yang digunakan—Python, Jupyter Lab/Notebook, serta library geospasial (GeoPandas, Shapely, Rasterio, OSMnx, dan GEEMAP)—bersifat cross-platform sehingga dapat dijalankan secara stabil pada sistem operasi tersebut. 2. Prosesor (CPU): Minimal Intel Core i5 generasi ke-8 atau AMD Ryzen 5 series untuk memastikan proses eksekusi Python, analisis spasial vektor, geoprocessing (buffer, intersect, union), serta pengolahan data raster dan citra satelit berjalan lancar. Prosesor kelas menengah sangat disarankan karena beberapa operasi geospasial bersifat komputasional. 3. Memori (RAM): Minimal 8 GB untuk menjalankan Jupyter Notebook dan analisis dasar data geospasial. Namun 16 GB sangat direkomendasikan agar proses pengolahan data raster berukuran besar, visualisasi citra satelit, serta perhitungan spectral index dapat berjalan lebih stabil tanpa kendala performa....
03
CATATAN
Pelatihan ini ditujukan bagi peserta yang ingin mempelajari pengolahan data geospasial menggunakan Python, baik untuk data vektor maupun raster, mulai dari tahap dasar hingga analisis lanjutan. Seluruh materi disampaikan secara asinkronus, sehingga peserta dapat mempelajari modul dan video pembelajaran secara mandiri sesuai waktu masing-masing. Pelatihan ini berfokus pada penerapan praktis pengolahan data geospasial menggunakan Python, mencakup pengenalan data spasial, pengelolaan dan visualisasi data vektor menggunakan GeoPandas dan Shapely, serta analisis spasial melalui geoprocessing dan pembuatan peta tematik. Materi juga mencakup pengolahan data raster dan penginderaan jauh, termasuk pengambilan data spasial dari sumber daring, pemanfaatan GEEMAP untuk memilih dan mengunduh data citra satelit, serta pengolahan raster menggunakan Rasterio dan perhitungan spectral index. Dengan penyusunan materi yang bertahap dari Sesi 1 hingga Sesi 4, pelatihan ini memastikan peserta memahami workflow end-to-end pengolahan data geospasial menggunakan Python, sehingga mampu mengaplikasikannya secara efektif dalam analisis dan pemetaan geospasial untuk berbagai kebutuhan kajian dan aplikasi....