\nFakulti Sains Sosial dan Kemanusiaan1, Pusat Sistem Perubahan Iklim Tropika, Institut Perubahan Iklim2,Pusat Pencerapan Bumi, Institut Perubahan Iklim3
\n* Penulis Koresponden : a201031@siswa.ukm.edu.my<\/a>
\n<\/center><\/p>\n
Kata Kunci:<\/strong> Gemini, Google Earth Engine, Analisis Spatial, Pemetaan, Kecerdasan Buatan<\/p>\n Sebagai seorang mahasiswa yang mempelajari bidang geografi dan analisis spatial, teknologi geospatial seperti imej satelit menjadi sebahagian daripada proses pembelajaran. Salah satu platform yang sangat membantu ialah Google Earth Engine (GEE), iaitu platform pengkomputeran yang membolehkan pengguna menjalankan analisis geospatial menggunakan infrastruktur awan Google. Platform ini menyediakan akses kepada pelbagai data pemerhatian bumi dan membolehkan analisis dilakukan melalui JavaScript atau Python.<\/p>\n Namun, cabaran utama yang saya hadapi bukanlah mendapatkan data satelit, tetapi membangunkan kod untuk memproses dan menganalisis data tersebut. Pada peringkat awal, penulisan kod GEE agak mencabar kerana saya masih membina kefahaman terhadap aliran kerja pengaturcaraan. Sebelum menggunakan Gemini, saya mencari contoh kod daripada dokumentasi, forum komuniti dan tutorial dalam YouTube. Kod yang ditemui pula perlu diubah suai mengikut kawasan kajian dan objektif analisis. Apabila berlaku ralat, proses mencari puncanya boleh mengambil masa yang agak panjang.<\/p>\n Pengalaman tersebut berubah apabila saya mula menggunakan Gemini sebagai pembantu pembelajaran. Daripada bermula dengan mencari kod, saya boleh menerangkan perkara yang ingin dilakukan melalui prompt. Gemini kemudiannya membantu menghasilkan kod awal, menerangkan fungsi dan mencadangkan penyelesaian terhadap masalah yang dihadapi.<\/p>\n Google Earth Engine: Kuasa Data Satelit untuk Mahasiswa<\/strong><\/p>\n Kemunculan GEE merupakan salah satu platform yang sangat membantu dalam pembelajaran analisis spatial kerana ia menghubungkan pengguna secara terus dengan pangkalan data pemerhatian bumi yang luas. Berbanding kaedah tradisional yang memerlukan proses memuat turun, menyimpan dan memproses imej satelit secara manual, GEE membolehkan analisis dilakukan secara terus melalui pengkomputeran awan.<\/p>\n Sebagai contoh, bagi memahami fenomena pulau haba bandar, mahasiswa boleh menggunakan data satelit Landsat untuk menghasilkan peta suhu permukaan bumi. Analisis suhu permukaan bumi membolehkan kawasan yang mempunyai suhu permukaan lebih tinggi dikenal pasti dan dikaitkan dengan faktor seperti pembangunan bandar, perubahan litupan tanah serta kepadatan kawasan binaan.<\/p>\n Namun begitu, untuk menghasilkan peta suhu permukaan bumi, beberapa proses perlu dilakukan seperti:<\/p>\n Kesemua proses ini memerlukan pemahaman terhadap struktur kod GEE. Bagi mahasiswa yang masih membina kemahiran pengaturcaraan, proses tersebut boleh menjadi halangan utama.<\/p>\n Pembantu Pembelajaran Geospatial<\/strong><\/p>\n Kemunculan Gemini memberikan satu pendekatan baharu dalam mempelajari GEE. Berbeza daripada kaedah pembelajaran tradisional yang memerlukan pengguna mencari jawapan daripada pelbagai sumber, Gemini membolehkan interaksi berlaku secara langsung melalui arahan dalam bahasa biasa.<\/p>\n Sebagai contoh, saya boleh memberikan arahan (prompt<\/em>) seperti:<\/p>\n “Hasilkan kod JavaScript Google Earth Engine untuk mengira suhu permukaan bumi menggunakan imej Landsat 8. Sertakan penapisan awan, pengiraan NDVI, anggaran emisiviti, dan eksport hasil tersebut.”<\/p>\n Daripada arahan tersebut, Gemini mampu menghasilkan struktur awal kod yang merangkumi langkah-langkah utama analisis. Walaupun kod tersebut masih perlu disemak dan disesuaikan, ia memberikan titik permulaan yang sangat membantu.<\/p>\n Perkara yang paling menarik ialah Gemini tidak hanya menghasilkan kod, tetapi turut membantu menerangkan fungsi setiap bahagian. Jika terdapat fungsi yang tidak difahami, saya boleh meminta Gemini menjelaskan maksudnya dalam bahasa yang lebih mudah. Pendekatan ini menjadikan proses pembelajaran lebih interaktif kerana saya bukan sahaja memperoleh jawapan, tetapi memahami sebab sesuatu kod digunakan.<\/p>\n Membina Aliran Kerja Analisis Spatial dengan Lebih Sistematik<\/strong><\/p>\n Salah satu perubahan terbesar selepas menggunakan Gemini ialah cara saya merancang analisis spatial. Sebelum ini, saya sering bermula dengan mencari kod tertentu sebelum memahami keseluruhan proses analisis. Namun, Gemini membantu menyusun aliran kerja dengan lebih teratur. Sebagai contoh, bagi menghasilkan peta suhu permukaan bumi, proses boleh dirancang bermula daripada pemilihan data Landsat, pra-pemprosesan imej, pengiraan parameter berkaitan, penghasilan peta sehingga eksport hasil akhir.<\/p>\n Pendekatan ini membantu mahasiswa memahami bahawa analisis spatial bukan sekadar menulis kod, tetapi melibatkan perancangan proses yang sistematik daripada data mentah kepada maklumat yang boleh ditafsirkan.<\/p>\n Penggunaan Gemini tidak bermaksud mahasiswa tidak lagi perlu memahami konsep asas pengaturcaraan atau analisis spatial. Sebaliknya, AI berperanan sebagai alat sokongan yang membantu mempercepat proses pembelajaran. Dengan mengurangkan masa yang diperlukan untuk mencari kod dan menyelesaikan masalah teknikal, lebih banyak masa dapat diberikan kepada perkara yang lebih penting seperti memahami corak spatial, mentafsir hasil peta dan menghubungkan dapatan dengan isu sebenar. Bagi mahasiswa, perkara ini sangat penting kerana matlamat utama analisis spatial bukan hanya menghasilkan peta, tetapi memahami makna di sebalik data yang dianalisis.<\/p>\n Cara Lama vs Gemini: Apa yang Berubah?<\/strong><\/p>\n Perbezaan paling ketara dapat dilihat melalui cara memulakan sesuatu analisis:<\/p>\n Pengalaman ini selari dengan perkembangan penggunaan AI dalam pengaturcaraan. Satu kajian terhadap penggunaan Gemini mendapati bahawa AI dapat membantu dalam tugasan pembangunan perisian, tetapi pengalaman pengaturcaraan manusia masih memainkan peranan penting dan tidak boleh digantikan sepenuhnya oleh AI (Jost et al. 2026).<\/p>\n Penutup<\/strong><\/p>\n Pengalaman menggunakan Gemini dalam GEE menunjukkan bagaimana kecerdasan buatan mampu mengubah cara mahasiswa mempelajari teknologi geospatial. Daripada proses yang sebelum ini banyak bergantung kepada carian manual dan percubaan berulang, kini pembangunan analisis spatial dapat dilakukan dengan lebih pantas melalui bantuan AI.<\/p>\n Gemini bukan sahaja membantu menghasilkan kod, tetapi turut berperanan sebagai rakan pembelajaran yang menerangkan konsep, membantu menyelesaikan masalah dan membimbing proses analisis. Dengan penggunaan yang betul dan bertanggungjawab, gabungan Gemini dan GEE berpotensi membuka peluang kepada lebih ramai mahasiswa untuk meneroka dunia geospatial dengan lebih yakin, kreatif dan inovatif.<\/p>\n Jost, N., Berens, B., Karl, M., Horstmann, S.A., Johns, M. & Naiakshina, A. (2026). The Impact of AI-Assisted Development on Software Security: A Study of Gemini and Developer Experience. https:\/\/arxiv.org\/html\/2603.15298.<\/a><\/p>\n","protected":false},"excerpt":{"rendered":" Muhammad Mazrul Mansur\u00b9*, Zulfaqar Sa\u2019adi \u00b2, Ricky Anak Kemarau3 Fakulti Sains Sosial dan Kemanusiaan1, Pusat Sistem Perubahan Iklim Tropika, Institut Perubahan Iklim2,Pusat Pencerapan Bumi, Institut …<\/a><\/p>\n","protected":false},"author":1,"featured_media":3751,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"sky_video_link_meta":"","footnotes":""},"categories":[60,53],"tags":[],"wd_jilid":[119],"class_list":["post-3750","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-vol-5-septokt-2026","category-pendidikan-digital","wd_jilid-jilid-5"],"_links":{"self":[{"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/posts\/3750","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/comments?post=3750"}],"version-history":[{"count":1,"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/posts\/3750\/revisions"}],"predecessor-version":[{"id":3754,"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/posts\/3750\/revisions\/3754"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/media\/3751"}],"wp:attachment":[{"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/media?parent=3750"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/categories?post=3750"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/tags?post=3750"},{"taxonomy":"wd_jilid","embeddable":true,"href":"https:\/\/www.ukm.my\/wadahdigital\/wp-json\/wp\/v2\/wd_jilid?post=3750"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n
\n![\"\"](\"https:\/\/www.ukm.my\/wadahdigital\/wp-content\/uploads\/2026\/11\/v5_39-300x158.jpg\")
<\/a>
\nRajah 1: <\/strong>Paparan antara muka (interface<\/em>) Editor Kod Google Earth Engine yang memerlukan kemahiran pengaturcaraan untuk pemprosesan data satelit.
\n<\/center><\/p>\n
\n![\"\"](\"https:\/\/www.ukm.my\/wadahdigital\/wp-content\/uploads\/2026\/11\/v5_40-300x175.jpg\")
<\/a>
\nRajah 2: Contoh hasil prompt <\/strong>kepada Gemini untuk membangunkan kod GEE bagi analisis suhu permukaan bumi.
\n<\/center><\/p>\n![\"\"](\"https:\/\/www.ukm.my\/wadahdigital\/wp-content\/uploads\/2026\/11\/v5_41-300x102.jpg\")
<\/a><\/p>\n