News

Citra Satelit Kini Dapat Digunakan Untuk Memprediksi Tingkat Kemiskinan Secara Akurat

[Gambar: engadget.com]
Sebuah studi baru di jurnal Science menunjukkan bahwa kombinasi antara citra satelit dan algoritma machine learning dapat digunakan untuk memprediksi tingkat kemiskinan di dunia. Seperti yang diketahui, kondisi pencahayaan di malam hari pada sebuah daerah bisa digunakan sebagai indikator kasar mengenai kekayaan sebuah wilayah. Namun, metode seperti itu tidaklah efektif pada bagian-bagian dunia yang tidak memiliki listrik sama sekali.

Menurut Neal Jean selaku penulis utama studi tersebut menyatakan bahwa metode baru ini memanfaatkan citra malam hari, citra siang hari dan data survei untuk membuat sistem komputer memperkirakan seberapa kaya atau miskin sebuah daerah itu.

Berdasarkan laporan The Verge, Jean bersama dengan timnya membangun algoritma tersebut dalam dua langkah. Pertama, mereka memprose citra satelit pada siang dan malam hari dari Uganda, Tanzania, Nigeria, Malawi, dan Rwanda melalui jaringan neural, yang akan mendeteksi desa dan kota-kota dan mencoba untuk memprediksi di mana lokasi cahaya pada malam hari. Jika ada perumahan pada suatu daerah, misalnya, sistem tersebut dapat memprediksi daerah mana yang akan ‘menyala’ pada malam hari.

Langkah kedua adalah menambahkan data survei kondisi ekonomi, meskipun masih belum lengkap bagi mayoritas daerah, namun informasi yang ada dapat memberi konteks dan perincian yang dibutuhkan dalam metode ini. Contohnya saja, selain sudah bisa mendeteksi sebuah desa, sistem ini juga bisa memperkirakan berapa pemasukan rata-rata di daerah desa tersebut. Lalu, ketika sistem tersebut berhasil mengidentifikasi desa serupa di sekitarnya—yang tidak dilengkapi dengan data survei—maka sistem tersebut dapat secara otomatis memprediksi pemasukan pada desa tersebut. Menurut hasil studi tersebut, metode ini dapat memberikan gambaran yang lebih akurat (dengan tingkat keakuratan yang mencapai 81-99 persen) mengenai kekayaan sebuah daerah dibandingkan dengan metode prediksi dengan menggunakan citra malam yang lain.

Meskipun demikian, sistem ini masih memiliki batasan. Meskipun memang berguna untuk mengetahui perbedaan pada pendapatan di daerah kota dan pedesaan, masih sulit mengetahui perbedaan antara dua daerah perkotaan yang padat. Untuk saat ini, algoritma ini baru berhasil diterapkan di lima negara Afrika tempatnya diuji. Mengingat data penelitian tersedia di publik, maka saya yakin cepat atau lambat akan ada yang menggunakan atau mengoptimalkan sistem ini untuk digunakan di bagian lain dunia.

Jangan lupa ikuti kami di Twitter untuk mendapatkan update terbaru dari @LabanaID