Apa itu data Geospasial? Secara sederhana, data geospasial dapat kita anggap sebagai data yang dikaitkan dengan suatu lokasi tertentu pada bumi.

Contoh data geospasial misalnya adalah bila kita memiliki data pendapatan per tahun penduduk tiap desa di Jawa Barat yang lalu kita gabungkan dengan posisi (lintang dan bujur) dari desa-desa tersebut di muka bumi. Dengan menggabungkan kedua data tersebut, kita dapat menganalisis dan memvisualisasikan polapola yang mungkin ada antara suatu data dan lokasi spasialnya. Sebagai contoh, kita dapat memvisualisasikan pendapatan tiap desa tersebut untuk mengetahui apakah terdapat perbedaan yang signifikan antara desa-desa di pesisir dan desa-desa di pegunungan? Atau mungkin terdapat perbedaan tingkat ekonomi antara desa-desa dengan akses jalan yang mudah dibandingkan desa terisolir?

Salah satu tahap awal yang dapat dilakukan untuk melakukan proses analisis ini adalah menggunakan visualisasi. Course ini akan menunjukan kepada anda bahwa dengan bantuan Geopandas, kita dapat membuat visualisasi data Geospasial pada Python dengan sangat mudah.

Course ini akan menunjukkan kepada anda cara melakukan visualisasi data geospasial dengan cara studi kasus. Kita akan melihat suatu permasalahan dunia nyata yang telah disederhanakan, dan kita akan mengerjakannya secara step by step. Dalam proses pengerjaan ini, kita akan melihat beberapa masalah yang dapat muncul dalam pengerjaannya serta beberapa library tambahan yang dapat kita gunakan untuk menyelesaikannya.

Instruktur pada kursus ini:

Kristopher David Harjono, M.T.

Kristopher David Harjono adalah Sarjana Ilmu Komputer dari Universitas Katolik Parahyangan dan menamatkan Magister Teknik Infomatika saya berasal dari Universitas Bina Nusantara, Jakarta. Selain bekerja sebagai dosen, Kristopher juga pernah bekerja sebagai software developer di Indonesia dan di Kanada.

Sebagai dosen, Kristopher mengajar dan mendalami bidang Information Retrieval serta Data Mining. Kedua topik tersebut membuatnya harus mengeksplorasi teknologi mulai dari library-library standar Python sampai dengan Hadoop dan Spark untuk memproses Big Data. Kristopher mengampu sejumlah mata kuliah di antaranya Algoritma dan Struktur Data, Manajemen Informasi dan Basis Data, Pemrograman Basis Data, Basis Data dan Pemrograman SQL untuk Big Data, Pemrograman Berorientasi Objek, Pemrograman Perangkat Mobile, Pengantar Sistem Cerdas, dan Penambangan Data.