• Memahami konsep analisis spasial menggunakan data raster dan vektor untuk memperoleh wawasan tentang fenomena spasial.
• Mengaplikasikan metode, teknik analisis, dan pemodelan spasial untuk masalah di dunia nyata dan pengembangan kemampuan pemecahan masalah melalui proyek dan studi kasus di berbagai bidang.
• Mampu melakukan evaluasi kritis dan sintesis pemodelan dan simulasi spasial, serta mengaplikasikannya dalam analisis sistem atau fenomena spasial yang kompleks, dengan cara mengidentifikasi masalah geografis dan mengembangkan solusi inovatif untuk permasalahan yang dihadapi.

1. Pengenalan Analisis dan Pemodelan Spasial Lanjutan
   - Materi ini memaparkan perkembangan GIS dari masa ke masa, menjelaskan bagaimana teknologi ini tumbuh dan berevolusi menjadi alat analitis yang kuat. Selain itu, mahasiswa akan memahami bagaimana analisis dan pemodelan spasial telah berkembang dan menjadi penting dalam berbagai disiplin ilmu.

2. Tipe Data Spasial dan Formatnya
   - Dalam materi ini, mahasiswa akan diperkenalkan dengan dua jenis data spasial utama: raster, yang merupakan data berbasis piksel seperti citra satelit, dan vektor, yang menggambarkan fitur sebagai titik, garis, atau poligon. Kedua tipe data ini memiliki format dan metode analisis yang berbeda.

3. Analisis Raster
   - Materi ini fokus pada pemahaman dasar mengenai aljabar raster, yang memungkinkan operasi matematika pada data raster. Mahasiswa juga akan memahami bagaimana menganalisis karakteristik terain seperti kemiringan, aspek, dan hillshade. Selain itu, analisis zonasi dan statistik zonal digunakan untuk menggali informasi dari area tertentu dalam dataset raster.

4. Analisis Vektor Lanjutan
   - Mahasiswa akan mempelajari tentang analisis jaringan, seperti menemukan jalur terpendek atau area layanan dalam suatu jaringan. Analisis topologi meliputi operasi seperti overlay dan buffering, sementara spatial join dan querying memungkinkan penggabungan dan seleksi data berdasarkan kriteria spasial.

5. Geostatistik
   - Materi ini mengajarkan tentang teknik-teknik statistik yang digunakan untuk menganalisis data spasial, seperti variogram untuk mengukur ketergantungan spasial dan kriging sebagai metode interpolasi spasial.

6. Analisis Pola dan Distribusi Spasial
   - Materi ini mengeksplor bagaimana data spasial terdistribusi dalam ruang. Mahasiswa akan memahami konsep nearest neighbor untuk menilai pola sebaran dan spatial autocorrelation untuk mengetahui seberapa seragam distribusi data dalam suatu area.

7. Pemodelan Spasial
   - Disini, mahasiswa diperkenalkan dengan alat seperti ModelBuilder atau scripting untuk membangun model analisis. Mereka juga akan mempelajari model regresi spasial untuk prediksi dan Decision support systems untuk mendukung pengambilan keputusan berbasis spasial.

8. Pemodelan Berbasis Agen dan Simulasi
   - Materi ini menekankan pada pemodelan berbasis agen, di mana entitas individual disimulasikan dalam lingkungan spasial. Integrasi dengan GIS memungkinkan simulasi tersebut menjadi lebih kaya dan realistis.

9. Pengenalan Web GIS, StoryMap, dan Mobile GIS
   - Dalam era digital saat ini, publikasi data GIS ke web menjadi semakin penting. Mahasiswa akan memahami bagaimana data dapat dipublikasikan online, serta bagaimana API dapat digunakan untuk mengembangkan aplikasi GIS berbasis web.

10. Aplikasi Lanjutan GIS
   - Materi ini membahas aplikasi nyata dari GIS dalam berbagai sektor seperti manajemen bencana, perencanaan perkotaan, lingkungan, dan transportasi. Studi kasus akan digunakan untuk menunjukkan penerapan praktis.

11. Etika dan Isu-isu Terkini dalam GIS
   - Di era informasi, pertimbangan privasi menjadi penting. Mahasiswa akan memahami etika pengumpulan dan penerapan data spasial, serta tetap update dengan isu-isu terbaru dalam teknologi GIS.

12. Kualitas Data dan Uncertainty
 - Dalam analisis spasial, kualitas data dan ketidakpastian memiliki peran yang sangat penting. Materi ini fokus pada pemahaman mengenai sumber-sumber kesalahan yang mungkin muncul dalam data spasial, yang dapat berasal dari kesalahan pengukuran, kesalahan pengolahan, atau kesalahan dalam pendokumentasian. Kesalahan-kesalahan ini dapat menyebabkan ketidakpastian dalam hasil analisis. Selain memahami sumber kesalahan, mahasiswa juga akan mempelajari teknik-teknik evaluasi untuk mengidentifikasi dan mengukur ketidakpastian dalam data. Setelah itu, teknik perbaikan data akan diperkenalkan agar mahasiswa dapat meningkatkan kualitas data sebelum melakukan analisis lanjutan. Memahami kualitas data dan ketidakpastian adalah esensial untuk memastikan bahwa analisis dan pemodelan yang dilakukan berdasarkan data tersebut adalah valid dan dapat dipercaya.

13-14. Proyek Akhir
   - Ini merupakan kesempatan bagi mahasiswa untuk menerapkan semua yang telah mereka pelajari. Mereka akan mengerjakan proyek nyata, menerapkan teknik analisis dan pemodelan spasial untuk menyelesaikan masalah tertentu.

-