Berikut adalah Silabus 20 Sesi (masing-masing @1,5 jam) untuk topik “Penerapan CNN untuk Deteksi Objek pada Citra Satelit Pertanian Menggunakan Python”, lengkap dari teori dasar, pemrosesan citra satelit, hingga implementasi model CNN dan evaluasinya.
Judul Kursus :
Penerapan Convolutional Neural Network (CNN) untuk Deteksi Objek pada Citra Satelit Pertanian Menggunakan Python
⏱️ Durasi Total :
20 sesi x 1,5 jam = 30 jam pembelajaran
Silabus Detail per Sesi
Modul 1: Dasar-dasar CNN dan Citra Satelit (Sesi 1-4)
Sesi 1:
-
Pengenalan Data Science & Deep Learning dalam Pertanian
-
Studi kasus deteksi objek pertanian (tanaman, irigasi, hama)
-
Tools yang digunakan: Python, Jupyter, Keras, TensorFlow, OpenCV
Sesi 2:
-
Dasar-dasar Citra Satelit (RGB, multispektral, resolusi spasial)
-
Sumber data: Google Earth Engine, Sentinel-2, Landsat
-
Format umum: GeoTIFF, JPG, PNG
Sesi 3:
-
Teori dasar CNN: convolusi, pooling, aktivasi
-
Arsitektur CNN populer: LeNet, AlexNet, VGG, ResNet
Sesi 4:
-
Studi literatur dan paper tentang CNN di bidang pertanian
-
Penentuan target deteksi objek: sawah, jagung, lahan gundul, irigasi, dll
Modul 2: Pengolahan & Preprocessing Citra Satelit (Sesi 5-8)
Sesi 5:
-
Pengenalan ke NumPy, OpenCV, dan matplotlib untuk pemrosesan citra
-
Membaca dan menampilkan citra satelit
Sesi 6:
-
Augmentasi citra: rotasi, flip, zoom, resize
-
Normalisasi dan cropping untuk CNN input
Sesi 7:



