Purwokerto, 26 Agustus 2026 — Kegiatan praktisi mengajar merupakan salah satu aktifitas Tridharma Perguruan Tinggi yang diagendakan oleh FPIK Unsoed. Pada pelaksanaan kegiatan praktisi mengajar kali ini digagas oleh Program Studi Ilmu Kelautan dengan tema pengolahan dan visualisasi data oseanografi berbasis satelit dilaksanakan sebagai wadah peningkatan kemampuan peserta dalam memanfaatkan data penginderaan jauh dan sumber data oseanografi global. Kegiatan yang diikuti sekitar 40 peserta dari kalangan baik Dosen maupun Mahasiswa dengan menghadirkan Narasumber praktisi BMKGMuhammad Arief Rahman, S.T., M.T. Materi berfokus pada pengenalan dan praktik pengolahan data menggunakan Python melalui Anaconda dan Jupyter Lab, serta pemanfaatan Copernicus Marine Service (CMEMS).
Kegiatan diawali dengan pembacaan doa, menyanyikan lagu Indonesia Raya, serta sambutan dari Prof. Dr. Ir. Elly Tugiyanti, M.P., IPU., ASEAN Eng selaku Ketua LPPM UNSOED dilanjutkan pembukaan acara oleh Prof. Dr. Ir. Endang Hilmi, S.Hut., M.Si., IPU selaku Dekan FPIK UNSOED serta pemberian sertifikat dan plakat.
Dalam sesi materi, narasumber memperkenalkan pemanfaatan data global yang diperoleh melalui satelit, khususnya untuk parameter oseanografi seperti sea surface temperature (SST), salinitas, sea surface height (SSH), klorofil, dan angin. Pemanfaatan data satelit menjadi salah satu alternatif untuk mendukung observasi kelautan, terutama karena pengamatan berbasis satelit mampu menyediakan informasi secara lebih luas dibandingkan pengamatan lapangan secara langsung.
Peserta kemudian diperkenalkan dengan Copernicus Marine Service (CMEMS) sebagai salah satu sumber data oseanografi yang menyediakan data hasil observasi in situ, pemodelan numerik, dan pengamatan satelit. Narasumber menjelaskan bahwa CMEMS memiliki berbagai parameter, termasuk data oseanografi fisik dan biogeokimia, dengan format NetCDF yang memungkinkan penyimpanan berbagai informasi dalam satu dataset.
Peserta Pelatihan Visualisasi Data Marine Sattelite
Penyampaian materi oleh narasumber
Praktisi mengajar kali ini juga memberikan pengenalan terhadap proses akses dan pengolahan dataset CMEMS. Peserta diperkenalkan dengan konsep dataset ID, metode akses data secara streaming maupun direct, serta penggunaan Python sebagai perangkat lunak open source dengan berbagai modul yang mendukung pengolahan data. Untuk membantu proses praktik, narasumber juga menyediakan materi dan script pengolahan serta visualisasi data melalui repositori GitHub yang digunakan dalam pelatihan.
Setelah memperoleh demonstrasi dari narasumber, peserta diberikan kesempatan untuk melakukan latihan secara mandiri menggunakan beberapa variabel data yang berbeda. Peserta dibagi berdasarkan baris tempat duduk dengan masing-masing kelompok mendapatkan jenis parameter yang menjadi target latihan. Salah satu peserta kemudian diberikan kesempatan untuk mempresentasikan hasil pengolahan yang telah diperoleh.
Praktik pengolahan dan visualisasi data pada kegiatan praktisi mengajar
Selain pengolahan data, kegiatan juga membahas pemanfaatan data oseanografi untuk mengkaji fenomena Marine Heatwave (MHW). Pada sesi kedua, peserta melakukan latihan menggunakan data OSTIA dengan resolusi 5 km dan mengambil wilayah kajian di bagian selatan Jawa. Analisis diarahkan untuk melihat tren Marine Heatwave dalam rentang waktu historis serta mengenali karakteristik dan intensitas kejadiannya.
Materi Marine Heatwave juga diarahkan untuk membuka peluang pengembangan penelitian. Narasumber memberikan gambaran bahwa kajian tersebut dapat dikembangkan lebih lanjut dan dikaitkan dengan berbagai faktor, seperti klimatologi maupun produktivitas laut. Beberapa referensi penelitian mengenai Marine Heatwave pada skala global dan lokal turut diperkenalkan sebagai bahan pengembangan bagi peserta.
Tampilan laman GitHub yang diakses pada tanggal 26 Agustus 2026
Dalam kesempatan tersebut, narasumber juga mendorong peserta untuk tidak hanya terpaku pada script yang telah diberikan. Peserta diharapkan dapat mengeksplorasi, memodifikasi, serta mengembangkan proses pengolahan data secara mandiri. Perkembangan teknologi AI juga disebut dapat membantu mahasiswa dalam mengeksplorasi dan mengembangkan proses pengolahan serta visualisasi data berdasarkan script yang telah tersedia.
Lebih lanjut, narasumber menyinggung penggunaan wavelet sebagai salah satu pendekatan yang dapat digunakan dalam analisis time series dan identifikasi sinyal atau pola yang tersembunyi, termasuk dalam menganalisis fenomena anomali. Peserta juga diberikan akses terhadap akun dan materi dari narasumber melalui GitHub sebagai salah satu sarana untuk melanjutkan proses belajar secara mandiri setelah kegiatan berakhir.
Tampilan laman GitHub yang diakses pada tanggal 26 Agustus 2026
Kegiatan kemudian ditutup pada 26 Agustus 2026 pukul 15.00 dan dilanjutkan dengan penutupan acara oleh pembawa acara. Melalui kegiatan ini, peserta memperoleh pengalaman langsung dalam mengakses, mengolah, dan memvisualisasikan data oseanografi berbasis satelit, sekaligus mendapatkan gambaran mengenai peluang pengembangan analisis data tersebut untuk mendukung kegiatan akademik maupun penelitian di bidang kelautan.