Pemateri
Khairul Anam (Arul)
GIS, Remote Sensing, & Spatial Data Scientist.GIS, Remote Sensing, & Spatial Data Scientist.
M Iqbal Al Amin
Cartographer, Surveyor, GIS Edu-Content Creator.Cartographer, Surveyor, GIS Edu-Content Creator.
Deskripsi
Pelatihan QGIS Masterclass: Machine Learning & Remote Sensing untuk Monitor Lingkungan Hidup dirancang untuk membekali peserta dengan keterampilan praktis mengolah data spasial dan citra satelit menggunakan software open source QGIS.
Materi mencakup dasar-dasar GIS, geoprocessing, analisis citra dengan indeks spasial, klasifikasi tutupan lahan berbasis machine learning (Random Forest & SVM), hingga prediksi perubahan lahan dengan model CA-Markov dan time-series. Dengan pendekatan bertahap dari level dasar hingga lanjut, peserta akan mampu menerapkan GIS & Remote Sensing dalam pemantauan dan pengelolaan lingkungan hidup secara komprehensif.
Sesi-1 Basic GIS and Starting with QGIS (bareng Iqbal A)
- Pengantar GIS
- Sejarah & pengenalan QGIS
- Data vektor & raster
- Basemap
- Import data (Shapefile, KML, Excel, GPX)
Sesi-2 Intermediate GIS: Georeference & Editing Data + Plugin ( bareng Iqbal A)
- Georeferencing & rektifikasi peta analog
- Digitasi, atribusi, simbolisasi
- Editing tabel atribut
- Plugin populer di QGIS
Sesi-3 Intermediate GIS (Lanjutan): Geoprocessing & Visualisasi (bareng Iqbal A)
- Tools Geoprocessing (Buffer, Clip, Intersect, Union)
- Peta tematik (digitasi on screen)
- Styling & layouting (tematik & infografis)
Sesi-4 Remote Sensing in QGIS (bareng Arul)
- Pengantar Remote Sensing
- Band composite & indeks spasial (NDVI, NDWI, NDBI)
- Preprocessing citra (cropping, masking, cloud removal)
- Plugin Semi-Automatic Classification (SCP)
Sesi-5 Land Cover: Machine Learning & Change Detection (bareng Arul)
- Supervised vs unsupervised classification
- Algoritma ML: Random Forest, SVM
- Studi kasus: hutan vs non-hutan
- Evaluasi akurasi (confusion matrix, kappa)
- Analisis multitemporal perubahan lahan
Sesi-6 Degradation Monitoring & Predicting Land Cover Change (bareng Arul)
- Deteksi deforestasi & degradasi vegetasi
- Monitoring area kritis dengan indeks vegetasi & ML
- Visualisasi perubahan
- Model prediksi (CA-Markov, ML time-series)
- Workflow prediksi di QGIS
- Studi kasus: proyeksi ekspansi permukiman/deforestasi
Silabus
01
Segmen 1: Basic-Intermediate
Pada tahap ini peserta diperkenalkan dengan dasar-dasar GIS dan penggunaan QGIS. Materi dimulai dari pengenalan data vektor, raster, serta basemap, hingga cara mengimpor data spasial dari berbagai format. Peserta juga akan mempelajari teknik georeferencing untuk mengoreksi peta analog, melakukan digitasi, editing tabel atribut, dan simbolisasi data. Selain itu, akan dibahas pemanfaatan plugin populer di QGIS, penggunaan tools geoprocessing seperti buffer, clip, intersect, dan union, serta cara menyajikan data dalam bentuk peta tematik dengan layout visual yang informatif....
02
Segmen 2:
Segmen lanjutan berfokus pada integrasi remote sensing dan machine learning dalam QGIS untuk pemantauan lingkungan hidup. Peserta akan mempelajari konsep dasar penginderaan jauh, komposit band, serta perhitungan indeks spasial seperti NDVI, NDWI, dan NDBI. Proses preprocessing citra satelit seperti cropping, masking, dan cloud removal juga akan dibahas. Dengan plugin Semi-Automatic Classification (SCP), peserta berlatih melakukan klasifikasi tutupan lahan menggunakan algoritma machine learning populer, yaitu Random Forest dan SVM, serta mengevaluasi akurasinya dengan confusion matrix dan kappa. Pelatihan dilanjutkan dengan analisis multitemporal untuk mendeteksi perubahan lahan, monitoring degradasi vegetasi, dan prediksi tutupan lahan di masa depan menggunakan model CA-Markov dan machine learning berbasis time-series. Studi kasus konkret seperti deforestasi dan ekspansi permukiman akan memperkaya pemahaman peserta dalam aplikasi nyata....
Frequently Asked Question
Apakah QGIS bisa digunakan di macOS?
Bisa. QGIS mendukung Windows, macOS, dan Linux tanpa ada perbedaan fitur utama. QGIS dan plugin pendukungnya pun open source dan gratis.
Apa isi sesi BasicāIntermediate? dan Bagaimana QGIS dipakai untuk remote sensing?
Belajar dasar GIS, QGIS, georeferencing, digitasi, editing, dan plugin populer. Dalam konteks remote sensing, QGIS bisa olah citra satelit, hitung indeks (NDVI, NDWI, NDBI), dan klasifikasi dengan plugin SCP.
Algoritma ML apa yang dipelajari?
Random Forest & SVM untuk klasifikasi tutupan lahan, plus evaluasi akurasi.
Jika berhalangan hadir pada sesi tertentu, apakah peserta tetap mendapat akses ke semua fasilitas pelatihan?
Ya! Semua peserta tetap mendapat semua fasilitas.
Kelas Ini Cocok Untuk?
01
Mahasiswa & Akademisi
Cocok bagi mahasiswa PWK, geografi, kehutanan, lingkungan, serta dosen/peneliti yang ingin memperdalam keterampilan pengolahan data spasial, citra satelit, dan analisis machine learning untuk riset....
02
Praktisi GIS & Remote Sensing
Ditujukan bagi analis data spasial, konsultan perencanaan, maupun praktisi kehutanan, lingkungan, dan kelautan yang membutuhkan skill praktis dalam monitoring perubahan lahan dan degradasi lingkungan....
03
Pegiat Lingkungan & NGO
Sesuai untuk organisasi masyarakat sipil dan NGO yang bergerak di bidang lingkungan, kehutanan, atau tata ruang yang memerlukan data berbasis spasial untuk advokasi dan pemantauan lapangan....
04
Instansi Pemerintah & Swasta
Relevan untuk staf teknis di dinas, BPS, Bappeda, maupun perusahaan konsultan yang membutuhkan pemodelan spasial untuk mendukung perencanaan pembangunan dan pengambilan keputusan....
Manfaat yang didapat
Menguasai Dasar & Teknik Lanjut QGIS
Peserta mampu mengolah data spasial (vektor & raster), melakukan digitasi, editing, geoprocessing, hingga membuat peta tematik yang siap dipublikasikan....
Terampil Mengolah Citra Satelit
Peserta dapat melakukan preprocessing citra, menghitung indeks spasial (NDVI, NDWI, NDBI), serta memanfaatkan plugin Semi-Automatic Classification (SCP) untuk analisis citra....
Menerapkan Machine Learning untuk Klasifikasi
Peserta memahami konsep supervised & unsupervised classification serta mampu menggunakan algoritma Random Forest dan SVM untuk klasifikasi tutupan lahan....
Membangun Prediksi Tutupan Lahan Masa Depan
Peserta mengenal model prediksi spasial (CA-Markov, ML time-series) dan mampu menerapkannya untuk memproyeksikan ekspansi permukiman, deforestasi, maupun perubahan penggunaan lahan lainnya....