Pemateri
Tubagus Nur Rahmat Putra
Data Intelligence Analyst/Geosoftware InstructorTubagus Nur Rahmat Putra adalah profesional dalam bidang Business Analytics dan Geospatial Data Intelligence dengan pengalaman dalam pengolahan data spasial, pembuatan dashboard, dan pemetaan tematik untuk mendukung pengambilan keputusan berbasis data. Ia memiliki latar belakang pendidikan di Universitas Padjadjaran dan telah berkecimpung dalam implementasi solusi analitik serta visualisasi geospasial di berbagai proyek industri. Dalam kariernya, Tubagus telah aktif mengintegrasikan pendekatan geospatial analytics, data visualization, dan business intelligence untuk memecahkan masalah nyata di sektor komersial dan sosial, termasuk pembuatan peta tematik dan analisis spasial berbasis cloud. Ia juga berpengalaman dalam penyusunan dashboard dan laporan interaktif berbasis data untuk mendukung strategi pengambilan keputusan. Sebagai pemateri, dedikasi Tubagus terlihat dari kontribusinya dalam berbagai kegiatan pelatihan dan sharing knowledge terkait GIS, pemodelan data geospasial, dan praktik data intelligence menggunakan platform open source dan cloud seperti QGIS dan Google Earth Engine. Keahliannya dalam menggabungkan aspek teknis pemetaan dengan kebutuhan bisnis dan pengguna akhir menjadikannya pengajar yang mampu menyampaikan materi secara aplikatif dan mudah diikuti peserta dari berbagai latar belakang.
Deskripsi
Pelatihan ini dirancang untuk membekali Sobat Geosoftware dengan pemahaman dasar hingga menengah mengenai analisis erosi dan longsor berbasis penginderaan jauh serta pemodelan spasial menggunakan Google Earth Engine (GEE). Peserta akan mempelajari konsep dasar penginderaan jauh untuk analisis lingkungan, pengenalan GEE sebagai platform analisis spasial berbasis cloud, serta perannya dalam pengolahan data skala besar untuk analisis erosi dan longsor.
Pada tahap awal, peserta akan mempelajari konsep dan komponen metode Revised Universal Soil Loss Equation (RUSLE) sebagai pendekatan utama dalam pemodelan erosi. Materi mencakup pengolahan faktor-faktor RUSLE, mulai dari faktor erosivitas hujan (R), erodibilitas tanah (K), panjang dan kemiringan lereng (LS), penutup lahan (C), hingga tindakan konservasi (P). Seluruh faktor tersebut kemudian digabungkan untuk menghasilkan peta erosi spasial, serta dilakukan analisis awal terhadap hasil pemodelan erosi.
Pada sesi lanjutan, pelatihan difokuskan pada penerapan machine learning untuk analisis spasial erosi dan longsor. Peserta akan diperkenalkan dengan konsep dasar machine learning, pengembangan model melalui proses training dan testing, serta evaluasi performa model. Materi diakhiri dengan analisis hasil pemodelan dan pengembangan lanjutan, sehingga peserta memperoleh pemahaman menyeluruh mengenai integrasi metode fisik (RUSLE) dan pendekatan data-driven (machine learning) dalam analisis erosi dan potensi longsor berbasis data spasial.
Jadwal dan List Materi:
Sesi 1
- Konsep dasar penginderaan jauh untuk analisis erosi
- Pengenalan Google Earth Engine (GEE) sebagai platform analisis spasial berbasis cloud
- Konsep dan komponen metode Revised Universal Soil Loss Equation (RUSLE)
- Pengolahan faktor R (erosivitas hujan)
- Pengolahan faktor K (erodibilitas tanah)
Sesi 2
- Pengolahan faktor LS (panjang dan kemiringan lereng)
- Pengolahan faktor C (penutup lahan)
- Pengolahan faktor P (tindakan konservasi)
- Penggabungan seluruh faktor RUSLE
- Analisis hasil pemodelan erosi dan pengembangan awal
Sesi 3
- Pengantar machine learning untuk analisis spasial erosi
- Pengembangan model machine learning (training dan testing)
- Evaluasi performa dan hasil model
- Analisis hasil dan pengembangan lanjutan
Konten
Penginderaan Jauh & Faktor RUSLE
Integrasi RUSLE & Pemodelan Erosi
Silabus
01
Silabus Pelatihan
Akses silabus melalui link berikut: https://s.id/silabusrusle
Frequently Asked Question
Kelas ini cocok untuk siapa?
Kelas ini cocok untuk mahasiswa, praktisi GIS pemula–menengah, peneliti awal, maupun peserta umum yang ingin mempelajari analisis erosi dan longsor berbasis data spasial menggunakan penginderaan jauh, RUSLE, dan machine learning.
Apakah harus sudah mahir menggunakan Google Earth Engine (GEE)?
Tidak. Peserta akan diperkenalkan dari dasar penggunaan Google Earth Engine sebagai platform analisis spasial berbasis cloud. Materi disusun bertahap dan ramah bagi pemula.
Apakah perlu latar belakang machine learning?
Tidak wajib. Kelas ini memberikan pengantar machine learning untuk analisis spasial. Peserta tanpa pengalaman machine learning tetap dapat mengikuti pelatihan, karena fokus pada pemahaman konsep dan penerapan dasar.
Apa itu RUSLE dan apakah akan dibahas dari awal?
RUSLE (Revised Universal Soil Loss Equation) adalah metode empiris untuk memodelkan erosi tanah. Pada kelas ini, RUSLE dibahas dari konsep dasar hingga implementasi spasial menggunakan data penginderaan jauh.
Apakah pelatihan ini lebih banyak teori atau praktik?
Pelatihan bersifat praktik langsung (hands-on). Peserta akan melakukan pengolahan data, pemodelan erosi, serta eksperimen machine learning secara bertahap menggunakan Google Earth Engine.
Kelas Ini Cocok Untuk?
01
Kemampuan Dasar yang Disarankan untuk Peserta:
1. Pemahaman dasar data spasial dan lingkungan: Peserta disarankan memahami konsep dasar data spasial, seperti peta digital, sistem koordinat, serta informasi lingkungan seperti topografi, tutupan lahan, dan tanah. Pemahaman ini membantu peserta mengikuti analisis erosi dan longsor berbasis data spasial. 2. Familiar dengan peta digital dan data raster: Peserta diharapkan terbiasa membaca peta digital serta mengenal data spasial berupa raster dan vektor. Kemampuan ini penting untuk mendukung pengolahan data penginderaan jauh dan pemodelan erosi menggunakan Google Earth Engine. 3. Pemahaman dasar alur kerja analisis data: Peserta disarankan memiliki gambaran umum alur kerja analisis data, mulai dari pengolahan, pemodelan, hingga interpretasi hasil. Pemahaman dasar konsep machine learning atau pengalaman menggunakan Google Earth Engine akan menjadi nilai tambah, namun tidak diwajibkan....
02
Spesifikasi Perangkat yang Disarankan:
1. Processor: Minimal Intel i3 / AMD Ryzen 3 atau setara. Direkomendasikan Intel i5 / AMD Ryzen 5 atau lebih tinggi untuk mendukung analisis spasial, pemodelan erosi, dan proses machine learning berbasis cloud. 2. RAM: Minimum 8 GB. Disarankan 16 GB untuk kenyamanan saat menjalankan browser, Google Earth Engine, dan pengolahan data secara bersamaan. 3. Storage: Minimal 10 GB ruang kosong untuk penyimpanan data latihan, hasil ekspor analisis, serta file pendukung lainnya. (Karena analisis utama dilakukan di Google Earth Engine, kebutuhan penyimpanan lokal relatif lebih ringan.) 4. Sistem Operasi: Windows 10/11 (64-bit), macOS versi terbaru, atau Linux (Ubuntu 20.04 LTS atau setara) yang mendukung penggunaan browser modern dan aplikasi pendukung analisis spasial. 5. Koneksi Internet: Koneksi internet stabil dengan kecepatan minimal 5–10 Mbps. Diperlukan untuk akses Google Earth Engine, pengunduhan data latihan, serta mengikuti pelatihan daring melalui Zoom....
03
CATATAN
Pelatihan ini ditujukan bagi peserta yang ingin mempelajari analisis erosi dan longsor berbasis data spasial menggunakan pendekatan penginderaan jauh, metode Revised Universal Soil Loss Equation (RUSLE), serta pemodelan machine learning dengan Google Earth Engine (GEE). Kelas ini berada pada level dasar hingga menengah awal, sehingga peserta diharapkan telah mengenal peta digital dan data spasial, namun belum dituntut memiliki pengalaman lanjutan dalam pemodelan erosi maupun machine learning. Materi disusun secara bertahap dan aplikatif, dimulai dari pengenalan penginderaan jauh dan faktor-faktor RUSLE, dilanjutkan dengan integrasi seluruh faktor untuk menghasilkan peta erosi spasial, hingga pengenalan dan penerapan machine learning untuk analisis spasial. Dengan pendekatan praktik langsung berbasis cloud, pelatihan ini memberikan fondasi awal yang kuat bagi peserta untuk memahami integrasi metode fisik (RUSLE) dan pendekatan data-driven (machine learning) dalam analisis erosi dan potensi longsor....