Washington (Antara Bali/Xinhua-OANA) - Menemukan orang yang hidup dalam kemiskinan, seperti melalui survei dari-pintu-ke-pintu, kadangkala sulit dilakukan bahkan berbahaya di Benua Afrika, dan para ilmuwan kini beralih ke citra satelit.
Di dalam studi yang disiarkan pada Kamis (18/8) di jurnal AS "Science", para peneliti dari Stanford University menggunakan "pelajaran 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 yang cukup akurat" mengenai daerah miskin di seluruh lima negara Afrika --Nigeria, Tanzania, Uganda, Malawi dan Rwanda.
"Metoda kami, yang hanya memerlukan data yang tersedia secara terbuka, dapat mengubah upaya untuk melacak dan membidik kemiskinan di negara berkembang," kata para ilmuwan tersebut di dalam dokumen mereka, sebagaimana dikutip Xinhua --yang dipantau Antara di Jakarta, Jumat pagi.
Menurut data Bank Dunia dari 2000 sampai 2010, 39 dari 59 negara Afrika melakukan kurang dari dua survei. Dari survei itu, tindakan nasional yang menunjukkan kemiskinan dapat disusun.
Secara keseluruhan, survei mahal, tidak sering, dan tak selalu bisa menjangkau negara atau wilayah di dalam negeri, misalnya, gara-gara konflik bersenjata.
Beberapa studi baru-baru ini memperlihatkan data satelit yang menangkap sinar pada malam hari dapat digunakan untuk memperkirakan kekayaan di satu daerah tertentu.
Namun, data sinar pada malam hari saja tidak efektif dalam membedakan antar-wilayah yang berada di tempat paling bawah dalam penyebaran penghasilan, tempat citra satelie tampak gelap secara serempak.
Untuk memangkas masalah tersebut, studi baru itu mengalihkan perhatiannya ke citra pada siang hari, yang memberikan resolusi lebih tinggi dan dapat menangkap pola seperti jalan yang diaspal dan atal logam, penanda yang dapat membantu membedakan wilayah miskin dan sangat-miskin.
Para peneliti tersebut kemudian mengembangkan algoritma pengetahuan yang canggih yang mengkategorikan pola itu dan mendapati metode tersebut melakukan pekerjaan yang sangat mengejutkan dalam memperkirakan penyebaran kemiskinan.
Dibandingkan dengan model sinar malam hari, model baru tersebut 81 persen lebih akurat dalam memperkirakan kemiskinan di berbagai wilayah garis kemiskinan, dan 99 persen lebih akurat di berbagai daerah yang dua kali di bawah garis kemiskinan.
"Kami memperlihatkan metoda yang akurat, tidak mahal dan berskala bagi perkiraajn biaya konsumsi dan kekayaan aset dari citra satelit dengan resolusi tinggi," demikian kesimpulan studi tersebut.
"Itu juga memperlihatkan bagaimana teknik pelajaran mesin berkekuatan tinggi dapat diterapkan dalam penetapan data pelatihan terbatas, dan menunjukkan potensi luas penerapan di seluruh banyak bidang ilmiah," katanya. (WDY)
