Training Remote Sensing untuk Analisis Citra Satelit dan Pemetaan Tutupan Lahan

Training Remote Sensing atau penginderaan jauh merupakan program pelatihan yang dirancang untuk meningkatkan kemampuan peserta dalam memperoleh, mengolah, menganalisis, dan menginterpretasikan informasi permukaan bumi menggunakan data dari sensor jarak jauh.

Dalam perkembangan teknologi geospasial, citra satelit menjadi salah satu sumber data penting untuk memahami kondisi wilayah secara luas dan berkala. Citra tersebut dapat digunakan untuk memetakan tutupan lahan, memantau perubahan wilayah, menganalisis vegetasi, mengidentifikasi kawasan terbangun, mengamati kondisi perairan, serta mendukung berbagai kebutuhan perencanaan dan pengelolaan sumber daya.

Remote Sensing memiliki hubungan yang sangat erat dengan Geographic Information System atau GIS. Citra satelit dapat diolah untuk menghasilkan informasi spasial, kemudian diintegrasikan dengan data GIS seperti batas administrasi, jaringan jalan, penggunaan lahan, data demografi, dan data infrastruktur.

Karena itu, Training Remote Sensing untuk Analisis Citra Satelit dan Pemetaan Tutupan Lahan menjadi relevan bagi ASN, pemerintah daerah, BUMN, BUMD, konsultan, peneliti, perguruan tinggi, perusahaan perkebunan, pertambangan, kehutanan, lingkungan, serta tenaga teknis yang membutuhkan informasi geospasial.

Remote Sensing juga merupakan bagian dari perkembangan kompetensi geospasial yang lebih luas. Peserta dapat membangun kemampuan mulai dari GIS Dasar dan Advanced GIS hingga Drone Mapping, GeoAI, 3D GIS, Digital Twin, WebGIS, Smart City, dan Spatial Data Science melalui Bimtek GIS 2026–2027: GIS Dasar, Advanced GIS, Remote Sensing, Drone Mapping, GeoAI, 3D GIS, Digital Twin, WebGIS, Smart City, dan Spatial Data Science.

Apa Itu Remote Sensing?

Remote Sensing adalah teknologi untuk memperoleh informasi mengenai objek atau fenomena di permukaan bumi tanpa melakukan kontak fisik secara langsung dengan objek tersebut.

Sensor dapat ditempatkan pada berbagai platform, seperti:

• Satelit.
• Pesawat.
• Drone.
• Wahana udara lainnya.

Sensor kemudian menangkap energi elektromagnetik yang dipantulkan atau dipancarkan oleh permukaan bumi.

Karakteristik respons objek terhadap energi tersebut dapat digunakan untuk membedakan berbagai jenis permukaan.

Sebagai contoh, vegetasi sehat mempunyai karakteristik spektral berbeda dibandingkan air, tanah terbuka, atau kawasan terbangun.

Perbedaan tersebut menjadi dasar dalam interpretasi dan klasifikasi citra.

Mengapa Citra Satelit Penting untuk Pemetaan?

Citra satelit mempunyai keunggulan karena dapat memberikan cakupan wilayah yang luas dan memungkinkan pengamatan wilayah secara berkala.

Dibandingkan survei lapangan yang membutuhkan waktu dan sumber daya besar untuk menjangkau seluruh wilayah, citra satelit dapat digunakan sebagai sumber informasi awal untuk memahami kondisi kawasan.

Beberapa manfaat citra satelit antara lain:

• Pemetaan tutupan lahan.
• Monitoring perubahan wilayah.
• Analisis vegetasi.
• Monitoring kawasan pertanian.
• Pengamatan kawasan hutan.
• Analisis pesisir.
• Monitoring kawasan perkotaan.
• Identifikasi perubahan penggunaan lahan.
• Analisis lingkungan.
• Mendukung perencanaan wilayah.

Namun, citra satelit bukan berarti selalu menggantikan survei lapangan. Data lapangan tetap penting untuk validasi dan memastikan interpretasi citra sesuai dengan kondisi sebenarnya.

Memahami Perbedaan Tutupan Lahan dan Penggunaan Lahan

Salah satu konsep penting dalam Training Remote Sensing adalah membedakan land cover dan land use.

Tutupan lahan atau land cover menggambarkan kondisi fisik permukaan bumi.

Contohnya:

• Hutan.
• Vegetasi.
• Air.
• Tanah terbuka.
• Permukiman.
• Lahan pertanian.

Sementara penggunaan lahan atau land use lebih berkaitan dengan bagaimana suatu lahan dimanfaatkan manusia.

Contohnya:

• Kawasan industri.
• Permukiman.
• Perkebunan.
• Pertanian.
• Kawasan perdagangan.

Kedua konsep tersebut dapat saling berkaitan, tetapi tidak selalu identik.

Pemahaman ini penting ketika melakukan klasifikasi citra dan menyusun legenda peta.

Karakteristik Citra Satelit

Sebelum melakukan analisis, peserta perlu memahami karakteristik citra.

Empat aspek resolusi yang umum dibahas adalah:

Jenis Resolusi	Penjelasan
Spasial	Tingkat detail ukuran piksel
Spektral	Kemampuan membedakan panjang gelombang
Temporal	Seberapa sering wilayah direkam
Radiometrik	Kemampuan membedakan tingkat energi

Pemilihan citra harus disesuaikan dengan tujuan analisis.

Jika kebutuhan adalah pemetaan objek yang sangat detail, resolusi spasial menjadi faktor penting.

Jika kebutuhan adalah monitoring perubahan secara berkala, resolusi temporal perlu diperhatikan.

Sumber Data Citra Satelit

Berbagai jenis citra satelit dapat digunakan sesuai kebutuhan.

Beberapa sumber data yang umum dimanfaatkan dalam penginderaan jauh antara lain:

• Sentinel.
• Landsat.
• Citra resolusi tinggi.
• Data radar.
• Data multispektral.
• Data hiperspektral.

Sumber data yang digunakan harus mempertimbangkan tujuan penelitian atau pekerjaan, cakupan wilayah, resolusi, waktu perekaman, kualitas citra, dan ketersediaan data.

Untuk informasi resmi mengenai data dan pemanfaatan teknologi penginderaan jauh di Indonesia, peserta dapat merujuk pada Lembaga Penerbangan dan Antariksa Nasional melalui BRIN sebagai sumber resmi pemerintah yang berkaitan dengan pengembangan riset dan teknologi penginderaan jauh.

Tahapan Pengolahan Citra Satelit

Analisis citra satelit tidak langsung dilakukan pada tahap klasifikasi.

Secara umum, workflow dapat meliputi:

Akuisisi Data → Pre-processing → Enhancement → Interpretasi → Klasifikasi → Validasi → Analisis → Pemetaan

Setiap tahapan mempunyai fungsi yang berbeda.

Akuisisi Data

Tahap pertama adalah memilih dan memperoleh citra yang sesuai.

Hal yang perlu diperhatikan:

• Wilayah studi.
• Waktu perekaman.
• Tutupan awan.
• Resolusi spasial.
• Resolusi spektral.
• Format data.
• Kebutuhan analisis.

Pre-processing

Pre-processing bertujuan menyiapkan citra sebelum analisis lebih lanjut.

Proses dapat meliputi:

• Koreksi geometrik.
• Koreksi radiometrik.
• Koreksi atmosferik.
• Cloud masking.
• Cropping.
• Mosaicking.

Tidak semua analisis membutuhkan seluruh proses tersebut. Workflow harus disesuaikan dengan sumber data dan tujuan analisis.

Interpretasi Citra Satelit

Interpretasi citra merupakan kemampuan penting dalam Remote Sensing.

Pengguna perlu memahami karakteristik objek pada citra.

Beberapa unsur interpretasi antara lain:

• Rona atau warna.
• Bentuk.
• Ukuran.
• Tekstur.
• Pola.
• Bayangan.
• Situs.
• Asosiasi.

Sebagai contoh, kawasan permukiman biasanya memiliki pola tertentu dan tekstur yang berbeda dibandingkan kawasan hutan.

Dengan menggabungkan beberapa unsur interpretasi, pengguna dapat memperoleh pemahaman mengenai objek yang terdapat pada citra.

False Color Composite

Salah satu teknik visualisasi citra adalah membuat kombinasi band tertentu.

False Color Composite dapat membantu memperjelas objek tertentu yang sulit dibedakan pada tampilan warna natural.

Vegetasi, misalnya, dapat terlihat sangat kontras pada kombinasi band tertentu.

Teknik ini berguna untuk:

• Interpretasi vegetasi.
• Identifikasi area terbangun.
• Monitoring perubahan lahan.
• Analisis kondisi tanaman.
• Visualisasi objek tertentu.

Pemilihan kombinasi band harus disesuaikan dengan karakteristik sensor dan tujuan analisis.

Indeks Vegetasi dalam Remote Sensing

Indeks vegetasi digunakan untuk membantu menganalisis kondisi dan karakteristik vegetasi.

Salah satu indeks yang populer adalah NDVI atau Normalized Difference Vegetation Index.

Secara umum, NDVI memanfaatkan perbedaan respons spektral antara kanal merah dan inframerah dekat.

Nilai indeks kemudian dapat divisualisasikan dalam bentuk peta.

Pemanfaatannya antara lain:

• Monitoring vegetasi.
• Analisis kondisi tanaman.
• Monitoring perubahan tutupan vegetasi.
• Analisis lahan pertanian.
• Kajian lingkungan.

NDVI bukan satu-satunya indeks. Terdapat berbagai indeks lain yang dapat digunakan sesuai kebutuhan analisis dan karakteristik objek.

Klasifikasi Tutupan Lahan

Klasifikasi tutupan lahan merupakan salah satu materi utama dalam Training Remote Sensing.

Tujuan klasifikasi adalah mengelompokkan piksel atau objek citra ke dalam kelas tertentu.

Contoh kelas:

Kelas	Contoh
Vegetasi	Hutan, semak, perkebunan
Pertanian	Sawah, ladang
Terbangun	Permukiman, gedung
Air	Sungai, danau
Tanah Terbuka	Lahan kosong, area terbuka

Klasifikasi dapat dilakukan dengan berbagai pendekatan.

Supervised Classification

Supervised classification menggunakan sampel atau training data yang telah ditentukan oleh pengguna.

Pengguna menentukan area contoh untuk setiap kelas.

Kemudian algoritma menggunakan karakteristik spektral sampel tersebut untuk mengklasifikasikan area lainnya.

Keberhasilan supervised classification sangat dipengaruhi oleh kualitas training sample.

Sampel yang buruk dapat menghasilkan klasifikasi yang kurang akurat.

Unsupervised Classification

Pada unsupervised classification, algoritma mengelompokkan piksel berdasarkan karakteristik tertentu tanpa pengguna menentukan kelas sejak awal secara langsung.

Hasil clustering kemudian diinterpretasikan dan diberi label.

Metode ini dapat digunakan sebagai eksplorasi awal untuk memahami pola spektral dalam suatu wilayah.

Object-Based Image Analysis

Selain klasifikasi berbasis piksel, pengolahan citra dapat menggunakan pendekatan berbasis objek.

Object-Based Image Analysis atau OBIA mengelompokkan piksel menjadi objek berdasarkan karakteristik tertentu seperti:

• Spektrum.
• Bentuk.
• Ukuran.
• Tekstur.
• Hubungan spasial.

Pendekatan ini dapat menjadi pilihan untuk citra resolusi tinggi ketika informasi bentuk objek sangat penting.

Uji Akurasi Klasifikasi

Hasil klasifikasi perlu dievaluasi.

Peta tutupan lahan yang terlihat baik secara visual belum tentu memiliki akurasi yang memadai.

Karena itu, dilakukan pengujian menggunakan data referensi.

Beberapa konsep yang dapat dipelajari:

• Confusion matrix.
• Overall accuracy.
• Producer’s accuracy.
• User’s accuracy.
• Kappa atau metrik evaluasi lainnya.

Validasi dapat menggunakan data lapangan, citra resolusi lebih tinggi, atau sumber referensi yang sesuai.

Change Detection untuk Monitoring Perubahan

Remote Sensing sangat berguna untuk memantau perubahan wilayah.

Dengan membandingkan citra dari dua atau lebih periode, pengguna dapat mengidentifikasi perubahan.

Contohnya:

• Perluasan permukiman.
• Perubahan hutan.
• Perubahan lahan pertanian.
• Perubahan garis pantai.
• Perubahan badan air.
• Perkembangan kawasan industri.

Workflow sederhana dapat berupa:

Citra Tahun A → Klasifikasi → Citra Tahun B → Klasifikasi → Perbandingan → Peta Perubahan

Hasilnya dapat digunakan untuk monitoring dan analisis perkembangan wilayah.

Contoh Kasus Pemetaan Tutupan Lahan

Bayangkan sebuah pemerintah daerah ingin mengetahui perubahan tutupan lahan selama beberapa tahun.

Data yang digunakan:

• Citra satelit periode pertama.
• Citra satelit periode kedua.
• Batas administrasi.
• Data jalan.
• Data penggunaan lahan.
• Data referensi lapangan.

Tahapan yang dapat dilakukan:

1. Menentukan wilayah studi.
2. Mengumpulkan citra.
3. Melakukan preprocessing.
4. Menentukan kelas tutupan lahan.
5. Melakukan klasifikasi.
6. Menguji akurasi.
7. Menghasilkan peta tutupan lahan.
8. Mengulang proses pada periode kedua.
9. Membandingkan kedua hasil.
10. Menghasilkan peta perubahan.

Informasi tersebut dapat digunakan untuk mengetahui area yang mengalami perubahan paling signifikan.

Contoh Kasus Monitoring Perkebunan

Remote Sensing juga dapat diterapkan pada sektor perkebunan.

Citra satelit dapat digunakan untuk memonitor:

• Luas areal.
• Kondisi vegetasi.
• Perubahan tutupan.
• Area terbuka.
• Pola perkembangan tanaman.

Indeks vegetasi dapat membantu memberikan gambaran kondisi vegetasi secara spasial.

Data tersebut kemudian dapat dikombinasikan dengan data lapangan untuk memperoleh analisis yang lebih lengkap.

Contoh Kasus Monitoring Kawasan Hutan

Dalam pengelolaan lingkungan dan kehutanan, citra satelit dapat digunakan untuk monitoring perubahan kawasan.

Misalnya, organisasi ingin mengetahui apakah terjadi perubahan tutupan hutan.

Analisis dapat dilakukan dengan:

• Klasifikasi tutupan lahan.
• Indeks vegetasi.
• Change detection.
• Analisis temporal.

Hasilnya dapat menjadi informasi awal untuk monitoring dan menentukan wilayah yang membutuhkan pemeriksaan lebih lanjut.

Untuk data dan informasi kehutanan, peserta dapat menggunakan sumber resmi Kementerian Lingkungan Hidup dan Kehutanan sebagai salah satu referensi pemerintah yang relevan.

Contoh Kasus Monitoring Perkotaan

Pertumbuhan kota dapat dipantau menggunakan citra satelit.

Beberapa informasi yang dapat dianalisis:

• Perluasan kawasan terbangun.
• Pertumbuhan permukiman.
• Perubahan ruang terbuka.
• Perkembangan kawasan industri.
• Perubahan jaringan jalan.

Data tersebut dapat dikombinasikan dengan GIS untuk menghasilkan analisis spasial yang lebih komprehensif.

Hasilnya dapat membantu perencana memahami dinamika perkembangan kawasan perkotaan.

Integrasi Remote Sensing dan GIS

Remote Sensing dan GIS merupakan dua teknologi yang saling melengkapi.

Remote Sensing menyediakan informasi dari citra, sedangkan GIS menyediakan lingkungan untuk mengelola dan menganalisis informasi spasial.

Contohnya:

Citra Satelit → Klasifikasi → Tutupan Lahan → Integrasi GIS → Overlay Jalan → Overlay Administrasi → Analisis Wilayah

Hasil akhirnya dapat berupa informasi seperti luas tutupan lahan per kecamatan atau perubahan tutupan lahan berdasarkan wilayah administrasi.

Kemampuan mengintegrasikan keduanya menjadi kompetensi penting dalam pekerjaan geospasial modern.

Integrasi Remote Sensing dengan Drone Mapping

Citra satelit memiliki keunggulan cakupan wilayah yang luas, sedangkan drone dapat menghasilkan data dengan detail sangat tinggi pada wilayah yang lebih kecil.

Keduanya dapat digunakan secara komplementer.

Aspek	Citra Satelit	Drone Mapping
Cakupan	Luas	Relatif lokal
Detail	Tergantung sensor	Sangat tinggi
Frekuensi	Berdasarkan satelit	Sesuai jadwal penerbangan
Akuisisi	Bergantung ketersediaan data	Direncanakan pengguna
Produk	Citra multispektral, radar, dll.	Orthomosaic, DSM, DTM, point cloud
Penggunaan	Monitoring wilayah luas	Pemetaan detail

Integrasi keduanya dapat memberikan perspektif yang lebih lengkap.

Remote Sensing dan GeoAI

Perkembangan artificial intelligence membawa perubahan dalam pengolahan citra.

GeoAI dapat digunakan untuk:

• Klasifikasi otomatis.
• Object detection.
• Segmentasi citra.
• Deteksi bangunan.
• Ekstraksi jalan.
• Deteksi perubahan.
• Identifikasi objek.

Misalnya, jika sebuah organisasi memiliki ribuan citra yang perlu dianalisis, pendekatan AI dapat membantu mengotomatisasi sebagian proses.

Namun, kualitas data training, metode, validasi, dan interpretasi hasil tetap sangat penting.

Remote Sensing menjadi salah satu bidang yang sangat potensial untuk dikembangkan bersama GeoAI.

Materi Training Remote Sensing yang Direkomendasikan

Program training dapat disusun menjadi beberapa modul.

Modul	Materi Utama
Modul 1	Konsep Dasar Remote Sensing
Modul 2	Karakteristik Citra Satelit
Modul 3	Akuisisi dan Persiapan Data
Modul 4	Pre-processing Citra
Modul 5	Interpretasi Citra
Modul 6	Band Combination
Modul 7	Indeks Vegetasi
Modul 8	Klasifikasi Tutupan Lahan
Modul 9	Supervised Classification
Modul 10	Unsupervised Classification
Modul 11	Accuracy Assessment
Modul 12	Change Detection
Modul 13	Integrasi GIS
Modul 14	Studi Kasus

Materi dapat disesuaikan dengan sektor dan kebutuhan peserta.

Software yang Dapat Digunakan

Pengolahan Remote Sensing dapat menggunakan berbagai perangkat dan platform.

Beberapa pilihan antara lain:

• QGIS.
• ArcGIS.
• SNAP.
• Google Earth Engine.
• Python.
• Software pengolahan citra lainnya.

Pemilihan platform tergantung pada kebutuhan, jenis data, kemampuan peserta, serta workflow organisasi.

Untuk pemula, pendekatan pelatihan sebaiknya dimulai dengan workflow yang sederhana sebelum masuk ke pemrograman dan analisis otomatis.

Kompetensi yang Diperoleh Peserta

Setelah mengikuti Training Remote Sensing, peserta diharapkan mampu:

• Memahami konsep penginderaan jauh.
• Mengenali karakteristik citra.
• Memilih data sesuai kebutuhan.
• Melakukan preprocessing.
• Menginterpretasikan citra.
• Membuat kombinasi band.
• Menghitung indeks vegetasi.
• Melakukan klasifikasi.
• Melakukan validasi hasil.
• Membuat peta tutupan lahan.
• Melakukan analisis perubahan.
• Mengintegrasikan hasil dengan GIS.

Kompetensi tersebut dapat menjadi dasar untuk mengembangkan kemampuan yang lebih lanjut.

Siapa yang Cocok Mengikuti Training Remote Sensing?

Program ini cocok untuk:

• ASN.
• Bappeda.
• Dinas PUPR.
• Dinas Lingkungan Hidup.
• Dinas Pertanian.
• Instansi kehutanan.
• Pemerintah daerah.
• BUMN.
• BUMD.
• Perusahaan perkebunan.
• Perusahaan pertambangan.
• Konsultan.
• Surveyor.
• GIS Analyst.
• Peneliti.
• Dosen.
• Mahasiswa tingkat lanjut.
• Tenaga pemetaan.

Peserta dengan dasar GIS akan lebih mudah mengikuti materi karena sebagian besar hasil Remote Sensing dapat diintegrasikan ke dalam lingkungan GIS.

Tips Memilih Citra Satelit

Pemilihan citra harus berdasarkan kebutuhan.

Beberapa pertanyaan yang perlu dijawab:

1. Seberapa luas wilayah yang akan dipetakan?
2. Seberapa detail objek yang ingin diidentifikasi?
3. Seberapa sering data diperlukan?
4. Apakah wilayah sering tertutup awan?
5. Apakah diperlukan informasi multispektral?
6. Apakah diperlukan data radar?
7. Bagaimana kebutuhan validasinya?

Dengan menjawab pertanyaan tersebut, pengguna dapat memilih sumber data yang lebih tepat.

Tantangan dalam Analisis Citra Satelit

Remote Sensing memberikan banyak manfaat, tetapi terdapat beberapa tantangan.

Tutupan Awan

Wilayah tropis dapat memiliki tingkat tutupan awan yang tinggi sehingga pemilihan waktu citra menjadi penting.

Resolusi

Tidak semua citra memiliki resolusi yang sesuai untuk semua kebutuhan.

Kualitas Data

Data yang tidak sesuai atau memiliki gangguan dapat memengaruhi hasil analisis.

Validasi

Hasil klasifikasi tetap perlu diuji agar dapat diketahui tingkat akurasinya.

Kompetensi

Pengguna membutuhkan pemahaman mengenai citra, spektral, GIS, statistik, dan metode analisis.

Training yang terstruktur dapat membantu peserta memahami tantangan tersebut secara sistematis.

Remote Sensing sebagai Dasar Monitoring Wilayah

Kemampuan mengolah citra satelit memberikan organisasi sumber informasi yang dapat digunakan untuk monitoring wilayah secara berkala.

Dengan data temporal, organisasi dapat membandingkan kondisi suatu kawasan pada beberapa periode.

Hal ini sangat berguna untuk:

• Perencanaan.
• Monitoring.
• Evaluasi.
• Penelitian.
• Pengelolaan lingkungan.
• Pengawasan perubahan wilayah.

Ketika hasil Remote Sensing diintegrasikan dengan GIS, informasi dapat disajikan dalam bentuk peta yang mudah dipahami.

FAQ Training Remote Sensing

Apa itu Training Remote Sensing?

Training Remote Sensing adalah pelatihan yang membahas teknik memperoleh, mengolah, menganalisis, dan menginterpretasikan citra satelit atau data penginderaan jauh untuk menghasilkan informasi spasial.

Apakah Training Remote Sensing cocok untuk pemula?

Ya, selama materi disusun secara bertahap. Peserta dapat mulai dari konsep dasar penginderaan jauh, karakteristik citra, interpretasi, preprocessing, hingga klasifikasi dan pemetaan tutupan lahan.

Apa manfaat Remote Sensing untuk pemerintah daerah?

Remote Sensing dapat membantu pemerintah daerah melakukan monitoring tutupan lahan, perkembangan kawasan perkotaan, kondisi vegetasi, lingkungan, perubahan wilayah, serta berbagai analisis spasial lainnya.

Apakah Remote Sensing dapat digabungkan dengan GIS?

Ya. Hasil pengolahan citra dapat diintegrasikan dengan data GIS untuk analisis yang lebih komprehensif, seperti overlay dengan batas administrasi, jalan, fasilitas publik, tata ruang, dan data lingkungan.

Kesimpulan

Training Remote Sensing untuk Analisis Citra Satelit dan Pemetaan Tutupan Lahan merupakan program yang penting bagi organisasi yang membutuhkan informasi permukaan bumi secara luas, berkala, dan berbasis data.

Melalui pelatihan yang sistematis, peserta dapat memahami konsep penginderaan jauh, karakteristik citra, preprocessing, interpretasi, band combination, indeks vegetasi, klasifikasi tutupan lahan, accuracy assessment, hingga change detection.

Remote Sensing juga memiliki hubungan erat dengan GIS. Citra satelit dapat menjadi sumber data yang kemudian diolah dan dianalisis bersama data spasial lainnya.

Dalam penerapannya, teknologi ini dapat digunakan untuk monitoring kawasan hutan, pertanian, perkebunan, lingkungan, permukiman, wilayah perkotaan, hingga perubahan tutupan lahan.

Perkembangan teknologi juga membuka peluang integrasi Remote Sensing dengan Drone Mapping, GeoAI, Machine Learning, WebGIS, 3D GIS, dan Spatial Data Science.

Dengan kompetensi yang tepat, citra satelit tidak hanya menjadi gambar permukaan bumi, tetapi dapat diubah menjadi informasi geospasial yang mendukung perencanaan, monitoring, evaluasi, dan pengambilan keputusan.

Daftar sekarang dan jadwalkan pelatihan terbaik untuk instansi Anda!

0822-8654-5726

www.studigis.com