Pemateri
Asep Purnama
Remote Sensing & GIS Instructor at Geosoftware.IDAsep Purnama merupakan praktisi di bidang remote sensing, GIS, dan mineral prospectivity mapping dengan latar belakang pendidikan Geofisika dari Universitas Padjadjaran. Ia memiliki pengalaman dalam pemanfaatan data spasial dan citra multispektral untuk eksplorasi mineral, khususnya melalui analisis citra ASTER, Sentinel-2, dan Landsat, interpretasi alterasi hidrotermal, serta pengolahan data di Google Earth Engine dan QGIS. Topik skripsinya berfokus pada deteksi keberadaan micro seepage hidrokarbon menggunakan metode remote sensing multispektral. Saat ini, ia bekerja sebagai Remote Sensing Engineer & Spatial Data Analyst di APRIL, serta pernah menjadi Database Support di PT Trimitra Baterai Prakasa dan Spatial Data Science Intern di PT Merdeka Copper Gold. Selain aktif sebagai instruktur di Geosoftware.ID, ia juga memiliki spesialisasi pada topik Advanced Remote Sensing dan Mineral Prospectivity Mapping, termasuk pengembangan workflow berbasis Python, spectral feature engineering, dan integrasi data geologi untuk pemetaan prospek mineral.
Deskripsi
Pelatihan ini dirancang untuk membekali Sobat Geosoftware dengan pemahaman komprehensif mengenai pemanfaatan remote sensing untuk analisis dan pemetaan prospek mineral. Peserta akan mempelajari konsep dasar sistem mineralisasi, karakteristik alterasi hidrotermal, prinsip reflektansi spektral mineral, serta alur kerja pengolahan citra satelit secara sistematis untuk kebutuhan eksplorasi mineral.
Pada tahap awal, peserta akan diperkenalkan dengan konsep sistem mineralisasi, jenis alterasi hidrotermal, serta karakteristik sensor ASTER. Peserta juga akan mempelajari teknik visualisasi citra menggunakan kombinasi RGB dan false color untuk mengenali anomali awal yang berpotensi berkaitan dengan mineralisasi. Selanjutnya, pelatihan berlanjut pada proses pengumpulan data, cloud masking, penyusunan area studi, hingga integrasi data ke dalam Google Earth Engine dan QGIS.
Pada sesi lanjutan, peserta akan mempelajari berbagai teknik spectral feature engineering, seperti perhitungan band ratio, pembuatan alteration index, serta penerapan Principal Component Analysis (PCA) untuk menonjolkan respon spektral tertentu. Hasil transformasi tersebut kemudian diintegrasikan menjadi feature stack yang siap digunakan untuk analisis lebih lanjut.
Pada tahap akhir, pelatihan difokuskan pada integrasi multi-layer dan penyusunan peta prospek mineral berbasis pendekatan rule-based classification. Peserta akan mempelajari penentuan threshold, pembobotan parameter, delineasi zona prioritas, serta validasi terhadap data geologi. Materi disusun secara aplikatif dan terstruktur sehingga dapat diikuti oleh peserta dengan latar belakang pemula hingga menengah, serta memberikan dasar yang kuat untuk analisis prospek mineral berbasis remote sensing.
Jadwal dan List Materi:
Sesi 1 (Sabtu, 9 Mei 2026 pukul 09.00–11.30 WIB)
- Konsep sistem mineralisasi dan target eksplorasi
- Jenis alterasi hidrotermal pada zona mineralisasi
- Prinsip reflektansi spektral mineral
- Karakteristik sensor ASTER
- Visualisasi citra RGB dan false color
- Identifikasi awal anomali mineralisasi
Sesi 2 (Minggu, 10 Mei 2026 pukul 13.00–15.30 WIB)
- Instalasi dan setup Google Earth Engine, QGIS, dan Python
- Akses dan pengunduhan data Sentinel-2 dan data geologi
- Filtering citra dan cloud masking di Google Earth Engine
- Export raster dan integrasi data ke QGIS
- Penyusunan AOI, folder project, dan dataset awal
- Persiapan data untuk analisis lanjutan
Sesi 3 (Selasa, 12 Mei 2026 pukul 19.00–21.30 WIB)
- Perhitungan band ratio untuk clay dan iron oxide
- Pembuatan alteration index hidrotermal
- Principal Component Analysis (PCA)
- Integrasi beberapa feature geologi tambahan
- Interpretasi hasil transformasi citra
- Penyusunan feature stack berbasis remote sensing
Sesi 4 (Senin, 18 Mei 2026 pukul 19.00–21.30 WIB)
- Integrasi multi-layer hasil remote sensing
- Konsep rule-based classification
- Penentuan threshold dan weighting
- Delineasi zona prospek mineral
- Validasi visual terhadap data geologi
- Penyusunan peta prospek mineral semi-kuantitatif
Sesi bootcamp
1
Fundamental Remote Sensing dan Sistem Mineralisasi
Sesi ini dirancang untuk memberikan pemahaman dasar kepada peserta mengenai konsep sistem mineralisasi dan pemanfaatan remote sensing dalam eksplorasi mineral. Peserta akan mempelajari jenis alterasi hidrotermal, prinsip reflektansi spektral mineral, serta karakteristik sensor ASTER. Selain pemaparan konsep, peserta juga akan melakukan interpretasi visual citra menggunakan kombinasi RGB dan false color untuk mengenali anomali awal yang berpotensi berkaitan dengan mineralisasi....
2
Pengumpulan Data dan Setup Lingkungan Kerja
Sesi ini difokuskan pada persiapan lingkungan kerja dan pengumpulan data yang diperlukan untuk analisis prospek mineral. Peserta akan mempelajari instalasi dan setup Google Earth Engine, QGIS, serta Python, kemudian melakukan akses dan pengunduhan data ASTER dan data geologi. Peserta juga akan mempraktikkan proses cloud masking, penyusunan area studi, serta integrasi data ke dalam project yang terstruktur dan siap digunakan untuk tahap analisis berikutnya....
3
Spectral Feature Engineering untuk Pemetaan Mineral
Pada sesi ini, peserta akan mempelajari berbagai teknik spectral feature engineering untuk meningkatkan kemampuan identifikasi zona prospek mineral. Materi mencakup perhitungan band ratio untuk clay dan iron oxide, pembuatan alteration index, serta penerapan Principal Component Analysis (PCA) untuk menonjolkan respon spektral tertentu. Seluruh hasil transformasi kemudian akan diinterpretasikan dan digabungkan menjadi feature stack yang siap digunakan pada proses analisis lanjutan....
4
Integrasi Data dan Analisis Semi-Kuantitatif Zona Prospek
Sesi terakhir difokuskan pada integrasi seluruh hasil analisis menjadi peta prospek mineral semi-kuantitatif. Peserta akan mempelajari konsep rule-based classification, penentuan threshold dan pembobotan parameter, serta proses delineasi zona prioritas berdasarkan kombinasi berbagai layer remote sensing dan data geologi. Selain itu, peserta juga akan melakukan validasi visual untuk memastikan hasil pemetaan sesuai dengan kondisi geologi di lapangan....
Konten
Fundamental Remote Sensing dan Sistem Mineralisasi
Pengumpulan Data dan Setup Lingkungan Kerja
Spectral Feature Engineering untuk Pemetaan Mineral
Silabus
01
Silabus Kelas 1
Akses silabus melalui link berikut: https://s.id/silabusmineral1
Frequently Asked Question
Apakah kelas ini cocok untuk pemula?
Ya. Kelas ini dirancang untuk level dasar–menengah dan cocok bagi peserta yang sudah mengenal peta digital, GIS dasar, atau citra satelit, tetapi belum pernah mempelajari pemetaan prospek mineral.
Apakah harus bisa coding sebelum mengikuti kelas?
Tidak harus. Penggunaan Google Earth Engine, Python akan dijelaskan secara bertahap, sehingga peserta tetap dapat mengikuti meskipun belum memiliki pengalaman coding.
Software apa saja yang digunakan dalam kelas?
Kelas akan menggunakan Google Earth Engine, QGIS, serta Python untuk beberapa bagian analisis dan visualisasi data.
Apakah peserta akan mendapatkan rekaman kelas?
Ya, peserta akan memperoleh rekaman setiap sesi sehingga materi dapat dipelajari kembali setelah kelas selesai.
Apakah dataset dan file latihan disediakan?
Ya. Peserta akan mendapatkan dataset citra satelit, file latihan, serta materi yang digunakan selama kelas.
Apakah bisa mengikuti hanya Kelas 1 saja?
Bisa. Peserta dapat memilih mengikuti hanya Kelas 1 atau mengambil paket bundling Kelas 1 dan Kelas 2.
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. Peserta disarankan memahami dasar data spasial dan geologi, seperti peta digital, sistem koordinat, konsep mineralisasi, serta alterasi hidrotermal. 2. Peserta diharapkan terbiasa membaca peta digital dan menggunakan GIS dasar, misalnya QGIS, untuk memahami layer, raster, overlay, dan visualisasi data spasial. 3. Peserta disarankan memiliki pengetahuan dasar remote sensing, seperti band citra, kombinasi RGB dan false color, serta mengenal sensor ASTER. 4. Peserta juga disarankan memahami alur dasar pengolahan data, mulai dari pengumpulan, filtering, hingga interpretasi hasil. Pengalaman menggunakan Google Earth Engine dan Python akan menjadi nilai tambah, tetapi tidak wajib....
02
Spesifikasi Perangkat yang Disarankan:
1. mProcessor: Minimal Intel i3 / AMD Ryzen 3 atau setara. Direkomendasikan Intel i5 / AMD Ryzen 5 atau lebih tinggi agar pengolahan citra satelit, Google Earth Engine, dan QGIS berjalan lebih lancar. 2. RAM: Minimal 8 GB. Disarankan 16 GB atau lebih untuk menjalankan QGIS, browser, Google Earth Engine, dan software pendukung secara bersamaan. 3. Storage: Minimal 10–15 GB ruang kosong untuk instalasi QGIS, Python/R, penyimpanan data citra ASTER serta hasil analisis. 4. Sistem Operasi: Windows 10/11 (64-bit), macOS versi terbaru, atau Linux yang mendukung instalasi QGIS, Google Earth Engine, dan Python/R. 5. Koneksi Internet: Minimal 5 Mbps dan stabil untuk mengakses Google Earth Engine, mengunduh data citra, instalasi software, dan mengikuti kelas melalui Zoom Meeting....
03
CATATAN
Pelatihan ini ditujukan bagi peserta yang ingin mempelajari pemetaan prospek mineral menggunakan remote sensing. Kelas berada pada level dasar–menengah, sehingga cocok untuk peserta yang telah memahami peta digital, data spasial, dan konsep dasar citra satelit, tetapi belum memiliki pengalaman dalam analisis prospek mineral. Materi disusun secara bertahap dan aplikatif, mulai dari pengenalan sistem mineralisasi, interpretasi citra satelit, penggunaan Google Earth Engine dan QGIS, hingga pembuatan band ratio, alteration index, PCA, dan integrasi multi-layer untuk menghasilkan peta zona prospek mineral....