Departemen Geografi FMIPA UI

Masita Dwi Mandini Manessa  bergabung dengan Departemen Geografi sejak tahun 2018 sebagai staf pengajar. Memiliki ketertarikan dalam pemodelan spasial terutama dalam pengembangan teknologi spatial machine learning dan deep learning. Disamping mengajar di departemen geografi, dia juga menjadi staf pengajar prodi S2 Kelautan dan dosen pembimbing/penguji di Sekolah Kajian Stratejik dan Global (SKSG) UI. Selain menjadi staf pengajar, dia menjadi UNODC National Consultant untuk mendukung kegiatan pengembangan Marine Domain Awareness di Indonesia sejak tahun 2020.  Kemudian ditahun yang sama terpilih menjadi sebagai ketua peneliti dan berhasil mendapatkan grand Rispro Komersial untuk periode pendanaan 2020-2023 dengan penelitian yang berjudul “Pengembangan Automatisasi Sistem Pemetaan Kedalaman Perairan Dangkal Tanpa Data Peneruman Berbasis Citra Multispektral Untuk Ekosistem Terumbu Karang“.  Dia juga terlibat dalam pelaksanaan penelitian kolaborasi internasional salah satunya adalah program SATREP antara Gifu Univ, JAMSTEK JAPAN, IRRI, dan FMIPA UI untuk pengembangan teknologi dibidang kesehatan tanaman karet.  Dia juga aktif menjadi narasumber pada topik satellite derive bathymetry, GeoKomputasi, dan GeoAI, serta membuka kelas pelatihan untuk topik spatial machine learning dan spatial deep learning. Hingga saat ini ia bergabung sebagai peneliti di RCCC UI.

Sarjana Sains (S.Si.) Geografi, Universitas Gadjah Mada (2008)
Master of Engineering (M.Eng.) Environmental Science and Engineering, Yamaguchi University (2012)
Doctor of Engineering (Dr.Eng.) System Design and Engineering, Yamaguchi University (2017)

Teknologi Informasi Spasial Untuk Kehidupan

Penginderaan Jauh, GIS, Pemodelan spasial, Geografi Pesisir, GeoKomputasi

• Manessa, M. D. M., et al. (2020, September). A spatial time series forecasting for mapping the risk of COVID-19 pandemic over Bandung Metropolitan Area, West Java, Indonesia. In Earth Resources and Environmental Remote Sensing/GIS Applications XI (Vol. 11534, p. 115340P). International Society for Optics and Photonics.
• Manessa, M. D. M., et al. (2020). Optimization of the Random Forest Algorithm for Multispectral Derived Bathymetry. International Journal of Geoinformatics, 16(3), 1-6.
• Manessa, M. D. M., et al. (2018). Simulation-based investigation of the generality of Lyzenga’s multispectral bathymetry formula in Case-1 coral reef water. Estuarine, Coastal and Shelf Science, 200, 81-90.
• Manessa, M. D. M., et al. (2016). Satellite-derived bathymetry using random forest algorithm and worldview-2 Imagery. Geoplanning J Geomatics Plan, 3(117), 117-126.
• Manessa, M. D. M., et.al. (2014). Shallow-water benthic identification using multispectral satellite imagery: investigation on the effects of improving noise correction method and spectral cover. Remote Sensing, 6(5), 4454-4472.