Dalam studi yang disiarkan Kamis (18/8) di jurnal Science, para peneliti dari Stanford University menggunakan pembelajaran mesin--ilmu pengetahuan mengenai rancangan algoritma komputer yang diperoleh dari data-- untuk mengumpulkan keterangan mengenai kemiskinan dari citra satelit dengan resolusi tinggi.
Mereka mendapati pendekatan yang baru dikembangkan tersebut bisa "membuat perkiraan cukup akurat" mengenai daerah-daerah miskin di seluruh lima negara Afrika: Nigeria, Tanzania, Uganda, Malawi dan Rwanda.
"Metode kami, yang hanya memerlukan data yang tersedia bagi publik, bisa mengubah upaya untuk melacak dan membidik kemiskinan di negara berkembang," kata para ilmuwan dalam makalah mereka yang dikutip kantor berita Xinhua.
Menurut data Bank Dunia dari 2000 sampai 2010, 39 dari 59 negara Afrika melakukan kurang dari dua survei, yang menjadi rujukan dalam pembuatan kebijakan penanganan kemiskinan nasional.
Secara keseluruhan, survei mahal, tidak sering, dan tidak selalu bisa menjangkau negara atau wilayah di dalam negeri, misalnya, gara-gara konflik bersenjata.
Studi-studi terbaru memperlihatkan data-data satelit yang menangkap cahaya pada malam hari dapat digunakan untuk memperkirakan kekayaan di daerah tertentu.
Namun demikian data cahaya pada malam hari saja tidak efektif membedakan wilayah-wilayah yang berada di tempat paling bawah dalam sebaran penghasilan, tempat citra satelie tampak gelap secara serempak.
Untuk memangkas masalah tersebut, studi baru itu mengalihkan perhatiannya ke citra siang hari, yang memberikan resolusi lebih tinggi dan dapat menangkap pola seperti jalan yang diaspal dan atap-atap logam, penanda yang dapat membantu membedakan wilayah miskin dan sangat-miskin.
Para peneliti kemudian mengembangkan algoritma pembelajaran canggih yang mengkategorikan pola itu dan mendapati metode tersebut melakukan pekerjaan yang sangat mengejutkan dalam memperkirakan sebaran kemiskinan.
Dibandingkan dengan model cahaya malam hari, model baru tersebut 81 persen lebih akurat dalam memperkirakan kemiskinan di berbagai wilayah di bawah garis kemiskinan, dan 99 persen lebih akurat di berbagai daerah yang dua kali di bawah garis kemiskinan.
"Kami menunjukkan metode yang akurat, tidak mahal dan terukur bagi perkiraan biaya konsumsi dan kekayaan aset dari citra satelit beresolusi tinggi," demikian kesimpulan studi tersebut. (Uu.C003)
Editor: Maryati
Copyright © ANTARA 2016
