Kombinasi Machine Learning dan Citra Satelit Untuk Pemetaan Sebaran Kemiskinan

Kredit  Foto: NASA

Teknologi telah meningkat ke titik dimana sebuah objek luar angkasa dapat mendeteksi perubahan kecil dalam data ribuan mil di bawah permukaan bumi. Salah satunya adalah dengan citra satelit. Mulai dari ketinggian air, padatnya penduduk, persebaran pinggiran  kota hingga jumlah spesies pohon yang tumbuh di hutan di seluruh dunia, citra satelit dapat memetakan jumlah data  yang hampir  tak terbatas.

Penggunaan citra satelit di era kini semakin populer. Dengan perkembangannya yang semakin meluas, kebermanfaatannya juga berbanding lurus semakin meluas di berbagai bidang kehidupan. Salah satunya yakni citra satelit dapat digunakan untuk pemetaan sebaran kemiskinan di seluruh dunia. Hal ini dapat membantu pemerintah, organisasi non-pemerintah dan peneliti dengan memahami lokasi kemiskinan, tingkat keparahan serta solusi untuk meminimalisasi masalah tersebut. Penggunaan citra satelit juga mengurangi jumlah pekerjaan, biaya dan faktor risiko bekerja di bagian dunia yang dilanda kemiskinan.

Adapun cara kerja citra satelit adalah satelit yang mengorbit Bumi guna mengambil gambar tertentu, dimana gambar ini dapat digunakan untuk menentukan berbagai jenis informasi.  Gambar yang sama ini juga dapat dipakai dengan tujuan yang hampir tak terbatas oleh organisasi manapun. Organisasi yang dapat menggunakan gambar tersebut adalah organisasi yang memiliki akses ke gambar satelit dengan kemampuan untuk menganalisis data yang terkandung di dalamnya.

Saat ini, data kemiskinan menunjukkan bahwa aliran listrik dapat digunakan untuk menentukan lokasi dimana orang kaya tinggal dibandingkan dengan daerah miskin. Namun, rincian spesifik mengenai jenis kemiskinan akan lebih sulit bila hanya ditentukan dengan menggunakan indikator lampu listrik. Para peneliti di Stanford menggunakan indikator lain untuk menentukan tingkat kemiskinan. Adapun indikator-indikator ini mencakup akses ke lokasi air, lokasi ke pusat kota dan sumber makanan, serta pertanian sebagai bagian dari ekonomi  terdekatnya.

Sejauh ini, Tim Stanford telah menciptakan program komputer yang dapat digunakan untuk menganalisis citra satelit. Bagi organisasi maupun peneliti yang melihat ribuan gambar secara manual, akan membutuhkan waktu lama untuk dapat memahaminya. Selain itu, ada kemungkinan bahwa mereka juga dapat kehilangan beberapa data gambar penting ketika memakai cara konvensional. Tim Komputer Stanford belajar menganalisis data kemiskinan tertentu menggunakan jaringan saraf convolutional (convolutional neural network) dengan menggunakan data  satelit dari Nigeria, Tanzania, Uganda, Malawi, dan Rwanda.

Data satelit terbukti cukup akurat, tetapi survei di lapangan mengenai kemiskinan masih menjadi cara terbaik untuk memastikan informasi yang lebih akurat. Sebab, tidak semua informasi survei dapat dilakukan di lokasi tertentu dimana komputer dan satelit mulai berlaku. Apabila dikolaborasikan, kedua metode pengumpulan informasi ini adalah yang paling akurat, sehingga dapat digunakan dalam upaya untuk memetakan kemiskinan di seluruh dunia.

sumber: www.gislounge.com/using-machine-learning-map-poverty-satellite-imagery/

Open chat
Hello
Hubungi Cepat Response