Transformasi Big Data: Strategi Adaptasi Perubahan Iklim

SUARAPANTAU.COM – Kapasitas untuk mengumpulkan dan menganalisis data dalam jumlah besar telah mengubah penelitian di bidang ilmu pengetahuan alam dan sosial.

Namun, komunitas adaptasi perubahan iklim sebagian besar mengabaikan perkembangan ini. Bagaimana “big data” dapat menginformasikan penelitian adaptasi dan pengambilan keputusan serta menguraikan apa yang dibutuhkan oleh komunitas adaptasi untuk memaksimalkan peluang ini.

Big Data dan Perubahan Iklim

Meskipun belum ada definisi yang konsisten, ada kesepakatan bahwa big data ditandai dengan meningkatnya volume, variasi, dan kecepatan aliran data.

Baca Juga: Nazwar: Evaluasi Masifnya Artificial Intelligence

Bacaan Lainnya

Ilmu pengetahuan iklim telah lama menggunakan kumpulan data yang besar untuk memahami fungsi sistem iklim, tetapi bidang ini masih lambat dalam menggunakan informasi yang dihasilkan secara pasif dari perangkat dan layanan digital yang menjadi ciri big data.

Dalam komunitas dimensi manusia, big data jarang digunakan, selain dari penelitian yang mengukur opini publik tentang perubahan iklim berdasarkan unggahan di media sosial.

Terlepas dari pengabaian ini, sejumlah besar data geokode tentang interaksi manusia-lingkungan yang relevan dengan adaptasi telah tersedia secara digital dan ditambahkan setiap hari. Data tersebut tidak terbatas pada negara maju saja, dengan cakupan ponsel global yang luas dan penggunaan media sosial sebagai contohnya.

Analisis Big Data Menilai Kerentanan

Penelitian kerentanan memberikan informasi penting untuk pengambilan keputusan adaptasi dengan mengidentifikasi dan mengkarakterisasi siapa dan apa saja yang rentan terhadap perubahan iklim, risiko apa, mengapa, dan dalam rentang waktu berapa lama.

Analisis big data dapat membantu mengisi kesenjangan ini dan memiliki keuntungan karena dapat menggunakan data waktu nyata yang dikumpulkan secara otomatis, sebuah pertimbangan penting dalam lingkungan yang miskin data, terutama mengingat sifat metodologi survei dan wawancara yang memakan waktu.

Big data juga dapat digunakan untuk membuat kumpulan data bergeoreferensi tentang faktor-faktor yang memengaruhi kerentanan-seperti populasi, karakteristik tempat tinggal, status ekonomi, lokasi infrastruktur yang sensitif, tren kondisi lingkungan-yang sering kali kurang, ketinggalan zaman, terutama di negara-negara berkembang.

Catatan detail panggilan dan big data geospasial, seperti citra penginderaan jarak jauh beresolusi tinggi, memungkinkan pemetaan populasi yang dinamis yang dapat digunakan untuk menilai risiko bencana alam, mengkarakterisasi pola tempat tinggal di wilayah berisiko tinggi, dan melacak tren dari waktu ke waktu.

Teknik pemrosesan bahasa alami dapat digunakan untuk menambang dan menganalisis teks dalam jumlah besar tentang bagaimana wacana perubahan iklim berkembang di media sosial untuk mendata perspektif “bottom-up” tentang berbagai komponen kerentanan: Apa saja risiko iklim yang paling sering dibicarakan? Apakah lokasi-lokasi tertentu secara konsisten diidentifikasi sebagai lokasi yang rentan dalam diskusi online?

Peringatan Dini

Pengawasan dan penyediaan peringatan dini merupakan komponen penting dalam meningkatkan kapasitas untuk merespons perubahan iklim.

Banyak aplikasi big data yang telah dirintis untuk digunakan dalam deteksi dini, di mana data yang dikumpulkan secara pasif dari penggunaan layanan digital telah digunakan dengan berbagai cara.

Mulai dari mendeteksi epidemi influenza berdasarkan kueri terkait flu yang masuk ke mesin pencari, hingga penggunaan unggahan di Twitter untuk mengidentifikasi area yang terkena dampak gempa bumi.

Data digital yang dikumpulkan secara pasif memiliki potensi untuk meningkatkan pemantauan ancaman dan kerentanan terkait iklim, serta dapat memberikan kesadaran dan umpan balik secara real-time kepada para pengambil keputusan dan layanan darurat.

Sistem peringatan bahaya, misalnya, dapat menggabungkan data media sosial untuk memicu tindakan tanggap darurat (misalnya, sistem peringatan gempa atau banjir); perangkat pribadi yang dilengkapi dengan sensor dapat memungkinkan pemantauan pergerakan manusia sebelum, selama, dan setelah kejadian bahaya untuk membantu tanggap bencana; tweet dapat diberi tag geografis.

Sehingga layanan penanggulangan bencana dapat memetakan area yang terkena dampak secara real-time untuk menargetkan upaya, dan Internet dapat ditelusuri untuk mendapatkan foto-foto yang baru saja diunggah di area yang terkena dampak.

Pemantauan dan Evaluasi

Pemantauan dan evaluasi adaptasi secara metodologis sangat rumit, tugas yang menjadi lebih sulit karena terbatasnya data mengenai tindakan dan hasil adaptasi. Hasilnya adalah studi yang terutama berfokus pada proses di mana intervensi dikembangkan dan diimplementasikan.

Big data dapat melengkapi penelitian tersebut dengan menyediakan metrik tentang bagaimana adaptasi benar-benar memengaruhi persepsi dan perilaku.

Data ponsel atau media sosial dapat digunakan untuk memeriksa bagaimana program adaptasi yang dirancang untuk memberikan peringatan badai benar-benar memengaruhi pergerakan orang sebelum, selama, dan setelah kejadian badai, serta memantau apakah dan bagaimana hal ini berubah dari waktu ke waktu.

Kurangnya data yang komprehensif dan terbaru menghambat upaya pelacakan adaptasi perubahan iklim di berbagai negara dan wilayah.

Penggunaan big data dapat meningkatkan pemantauan lingkungan dan penilaian risiko skala global dan regional. Petani di beberapa negara telah beradaptasi dengan cara seperti menyesuaikan tanggal tanam, dan teknologi seperti penginderaan jarak jauh dan kontribusi data masyarakat telah meningkatkan pemahaman tentang pertanian global, terutama di daerah berpenghasilan rendah dan subsisten (Barros, 2014).

Menggabungkan Big Data dan Small Data

Potensi big data untuk penelitian adaptasi cukup besar, namun perlu diwaspadai. Ketergantungan yang berlebihan pada korelasi dalam big data, dengan mengorbankan sebab-akibat yang sebenarnya, dapat menghasilkan wawasan yang salah.

Dataset yang besar memberikan tingkat kekuatan statistik yang tinggi, tetapi sinyal yang berarti dapat tertutupi atau hilang ketika peneliti menyederhanakan dan mengurangi dataset agar lebih mudah dikelola.

Dalam contoh adaptasi di atas, misalnya, melacak kepadatan data media sosial berupa tweet atau share sosial di suatu wilayah sebelum/sesudah bencana tidak akan mengungkap motivasi atau pendorong perilaku migrasi, dan hanya menangkap opini dari mereka yang secara aktif menggunakan media sosial.

Oleh karena itu, nilai dari big data bergantung pada kemampuan kita untuk menganalisis dan menginterpretasikan kumpulan data yang besar dengan cara yang bermakna dan ketat, dan paling informatif ketika dikombinasikan dengan pendekatan “data kecil”.

Ada dua pendekatan dominan untuk menggabungkan big data dan data kecil. Pendekatan “data-driven” menggunakan kumpulan big data untuk mengeksplorasi-sering kali secara heuristik, melalui penemuan dan investigasi induktif.  Seringkali tanpa hipotesis apriori-pola dan tren yang muncul dalam sumber data, yang menginformasikan pengembangan studi data kecil untuk menyelidiki pola yang diamati.

Pendekatan “berbasis teori” dimulai dengan teori adaptasi dan studi kasus untuk mengidentifikasi hipotesis yang dapat diuji dengan kumpulan data yang besar, untuk mengidentifikasi wawasan yang dapat digeneralisasikan dan menguji secara empiris teori yang ada.

Langkah Selanjutnya

Big data bukanlah obat mujarab, tetapi jika digunakan dengan hati-hati, big data memberikan peluang yang sangat besar dan belum dimanfaatkan untuk mendiversifikasi pemahaman kita tentang adaptasi dan menginformasikan pengambilan keputusan.

Merangkul peluang ini membutuhkan kemauan untuk bekerja dengan data dalam jumlah besar bersama dengan kumpulan data sampel tradisional yang lebih kecil, apresiasi terhadap kekacauan big data di dunia nyata, dan pemanfaatan teknik yang biasanya tidak terkait dengan pekerjaan adaptasi, termasuk penggalian data, penyelidikan berbasis data, pembelajaran mesin, dan pemrosesan bahasa alami.

Saat ini, komunitas adaptasi kurang siap untuk menghadapi tantangan ini. Para ilmuwan yang menyelidiki adaptasi harus menjangkau para ilmuwan data yang memiliki keterampilan untuk membersihkan, mengatur, menghubungkan, mengelola, dan menganalisis kumpulan data yang sangat besar; spesialis adaptasi harus bekerja sama dengan para insinyur data untuk merancang sistem informasi untuk mengikis, mengumpulkan, dan menyortir data.

Dalam jangka panjang, pelatihan yang lebih beragam bagi para ahli dan praktisi adaptasi agar melek terhadap analisis big data.

Penulis: Arditya Dhian Mahendra,
*Mahasiswa Magister Administrasi Publik UGM

Referensi

  • HV Jagadish, Big data and science: Myths and reality. Big Data Research 2, 49–52 (2015).
  • G McDowell, J Ford, J Jones, Community-level climate change vulnerability research: Trends, progress, and future directions. Environ Res Lett 11, 033001 (2016).
  • S Fritz, et al., Mapping global cropland and field size. Glob Change Biol 21, 1980–1992 (2015).

Ikuti berita terbaru di Google News

Redaksi suarapantau.com menerima naskah opini dan rilis berita (citizen report).
Silahkan kirim ke email: redaksisuarapantau@gmail.com atau Whatsapp +62856-9345-6027

Pasang Iklan

Pos terkait

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *