main

ArcGISBencanaGISLingkunganQGISUncategorized

Data Kependudukan dari Kecerdasan Buatan Milik Facebook, Meh?

July 11, 2019 — by dewaputuam0

bigstock-group-of-people-in-form-of-wor-262052332-1560760029753-960x610.jpg
Ilustrasi Populasi Dunia. Data populasi di suatu wilayah adalah data yang saya rasa paling dalam manajemen bencana dan kebutuhan akan data ini akan semakin meningkat saat dilaksanakan operasi. Pengetahuan kita tentang kepadatan penduduk suatu wilayah terdampak pada fase awal akan mepermudah kita menentukan wilayah manayang harus kita jadikan prioritas dalam operasi. (Sumber gambar: Bigstock )

Saya pertama kali mengetahuin keberadaan data ini dari salah satu mahasiswa yang pernah magang di kantor kami sekitar tahun 2018 an. Saat itu dirinya berdiskusi ringan tentang tantangan seorang dosennya untuk mengkaji penggunaan data kependudukan yang disediakan dan dibagikan secara bebas oleh facebook untuk keperluan manajemen bencana, saya lupa fokusnya kebagian mananya. Pada saat saya cukup antusias untuk mendownload dan melihat-lihat kira kira wawsan seperti apa yang akan bisa didapatkan dari data tersebut. Namun seiring berjalannya waktu dan beberapa antrian tugas dari kantor akhirnya keberadaan data tersebut terlupakan hingga berbulan bulan.

Hingga beberapa minggu lalu saya menemukan sebuah artikel yang ditampilkan di feed google news saya yang membahas “Data kependudukan dari Facebook”. Agar tidak bernasip sama seperti sebelumnya maka pada artikel ini saya akan menuliskan sedikit tentang data kependudukan dari facebook ini, yang “mungkin” akan coba sa explore dan maksimalkan penggunaannya dalam bidang yang saya geluti saat ini, manajemen bencana. Tulisan ini saya tujukan sebagai pengingat sekaligus berbagi dan bahan diskusi mungkin dari teman teman sekalian ada yang tertarik mengolah data dari facebook ini baik di bidang yang sama seperti saya taupun bidang lainnya.

Data Kependudukan untuk Operasi Kemanusiaan

Ilustrasi seseorang didaerah terpencil yang sedang terkena musibah, Dengan data kependudukan yang presisi dan detail secara kewilayahan, wilayah wilayah seperti ini akan sukar termonitor oleh para pegiat kebencanaan. Beberapa kasus pernah terjadi saat penanggulangan bencana di Indonesia dimana beberapa kelompok masyarakat terisolir dan susah untuk mengakses ertolongan dan bantuan. (Sumber foto di sandur dari akun Parij Borgohain @Pexels.com)

Data penduduk merupakan salah satu data kunci dalam suatu operasi operasi kemanusiaan dalam hal ini darurat bencana. Tanpa data penduduk yang detail suatu operasi akan menjadi sporadis dan tidak taktis. Kurangnya pengetahuan kita terkait sebaran pendudu disuatu wilayah terdampak bencana akan berdampak buruk pada suatu operasi sehingga meningkatkan kemungkinan kesalahan dalam penentuan prioritas wilayah dan juga beberapa wilayah terisolir akan semakin besar kemungkinannya untuk terlewat.

Sayangnya data kependudukan yang kita dan sebagaian besar negara berkembang lainnya miliki seringkali sukar untuk diakses dan dianalisis sesegera mungkin. Hal ini bisa dikarenakan wilayah yang terlalu luas sehingga sensus berkala dalam interval waktu yang pendek sulit untuk dilakukan, format data yang disediakan pun juga membutuhkan waktu cukup lama untuk dapat diolah dan diapakai dalam operasi yang membutuhkan waktu sangat cepat dalam penyediaan datanya. Jikapun ada, masih pula perlu diolah lebih lanjut untuk mengetahui pemusatan penduduk dalam suatu wilayah administrasi karena seperti yang kita ketahui bersama penduduk suatu wilayah tidak selamanya tersebar secara merata baik di unit desa, kecamatan, kabupaten dan unit unit lainnya. Penduduk cenderung berkelompok dan dari yang kami temui cenderung membentuk pola terstruktur dan berhimpitan dengan akses jalan.

Sedikit Berkenalan dengan Data Kependudukan yang Dibagikan oleh Facebook

Ilustrasi data populasi Facebook. Data Populasi yang saya bahas disini, menurut facebook (Sumber Ilustrasi: Thorsten Gätz @flickr.com)

Data sebaran penduduk secara spasial sangat diperlukan dalam manajemen bencana. Oleh karena itu, Facebook dengan tim yang dibentuknya terdiri dari para peneliti kecerdasan buatan, data saintist dengan tekhnologi mereka membuat dan membagikan data kependudukan seluruh dunia dengan resolusi spasial yang bisa dikatakan tinggi yakni sebesar 30 x 30 meter persegi) bila dibandingkan dengan resolusi spasial data sejenis World Pop yang memiliki resolusi spasial 1×1 km2. Data Kependudukan tersebut dibagikan oleh Fecebook dan dapat digunakan secara bebas dalam tautan ini.

Resolusi spasial disini menurut saya cukup signifikan pengaruhnya dalam memberikan gambaran nyata sebaran penduduk secara nyata pada saat terjadi bencana. Ada sedikit pengalaman saya bersama teman teman ketika mengolah data kependudukan dengan resolusi spasial yang masih kurang baik saat operasi erupsi gunung agung pada akhir tahun 2017 hingga awal tahun 2018 lalu. Saat terjadi penurunan status dari awas menuju siaga, kami ditugaskan untuk memperkirakan jumlah penduduk yang masuk dalam zona bahaya yang baru akan dirilis oleh PVMBG. Saat menggunakan data Worldpop dan InaRISKpop, perkiraan jumlah penduduk yang berada di dalam zona bahaya masih banyak bahkan seingat saya menyentuh angka ribuan. Untungnya salah satu teman saya berinisiatif untuk melakukan cek ulang dengan menggunakan foto satelit resolusi tinggi yang tersedia bebas melalui google maps, dan benar saja ternyata didaerah tersebut tidak ada lagi bangunan.

Hal ini besar kemungkinan disebabkan oleh kurang begitu baiknya logika yang digunakan dalam memprediksi penduduk yang dilakukan oleh Worldpop khsususnya wilayah wilayah di dekat gunung berapi aktif. Keaktifn gunung api yang terkadang memunculkan lava pijar ada kemungkinan justru dideteksi oleh Worldpops sebagai pemukiman. Hal lainnya yang paling mungkin adalah masih rendahnya resolusi spasial yang ada sehingga pada wilayah yang relatif sempit, kemampuan data tersebut untuk menunjukan variasi spasialnya menjadi berkurang dan cenderung salah.

Logika yang Digunakan Facebook dalam Membuat Data Kependudukan

Visualisasi proses yang dilakukan oleh Facebook dalam mengidentifikasi wilayah wilayah yang terdapat bangunan dan menghapus wilayah wilayah yang tidak terdapat bangunan.

Secara sederhana dalam tulisan resmi mereka pada tautan ini, Facebook memetakan populasi dengan cara mengidentifikasi wilayah wilayah yang memiliki bangunan dari sekian banyak citra satelit resolusi tinggi (0.5×0.5 meter) yang bila dikalkulasikan seluruh datanya menyita kapasitas memori sebesar 1.5 Petabytes (1500 Terabyte). Mengingat proporsi lahan terbangun di seluruh dunia yang sangat kecil bila dibandingkan lahan tidak terbangun, maka menggunakan citra resolusi tinggi 0.5 meter cenderung menyulitkan dan bila dibandingkan maka peluang suatu lahan adalah lahan terbangun berada pada kisaran 1:100000. Oleh karena itu facebook melakukan proses selanjutnya dan menggabungkan 64×64 pixcel dari citra tersebut menjadi satu petak baru sebesar 30×30 meter. Dan petak petak inilah yang kemudian dilakukan analisis.

Contoh petak petak citra resolusi tinggi seluas 30 meter yang teridentifikasi oleh AI milik facebook sebagai wilayah yang terdapat bangunan. (Sumber gambar: Facebook AI)

Data data tersebut kemudian disiapkan untuk dianalisis oleh kecerdasan buatan milik Facebook untuk menentukan dari 11.5 Miliar kotak kotak wilayah yang dianalisis mana yang merupakan wilayah terdapat bangunan dan kemudian juga dipisahkan dari wilayah yang tidak terdapat bangunan. Sebagai data awal untuk melatih AI nya tersebut Facebook juga menggunakan lebih dari 100 juta data berlabel bangunan dari Openstreetmap yang merupakan data hasil digitasi orang orang diseluruh dunia yang dibagikan dan dapat dipergunakan secara bebas untuk keperluan kemanusiaan dan lain sebagainya.

Data data hasil analisis tersebut kemudian dengan bekerja sama dengan pemerintah setempat serta NGO dijadikan sebagai patokan persebaran penduduk yang kemudian dilakukan analisis dengan menggunakan data kependudukan berdasarkan wilayah administratif untuk memperkirakan jumlah penduduk per pixcel data. Melalui data ini kita tidak hanya tahu suatu desa berpenduduk berapa saja, namun juga dari desa tersebut para penduduknya tersebar diwilayah bagian mana saja.

Karena data ini masih tergolong baru, dalam penggunaannya masih diperlukan beberapa penyesuaian dan pengelolaan lebih lanjut baik dalam bentuk riset riset awal maupun pengujian langsung saat terjadi bencana. Ada satu hal kelemahan yang saya temukan dalam data ini, yaitu data ini cenderung menyamaratakan jumlah penduduk pada setiap pixcel pada unit administrasi terkecilnya. Padahal seperti yang kita ketahui, dalam unit administrasi yang sama kepadatan bangunan tentunya akan berbeda. Olehkarena itu perlu dilakukan beberapa pengkajian khusus lagi serta penyesuaian lebih lanjut dengan data data terbaru dan melakukan pengolahan dengan data kependudukan dengan unit administrasi yang lebih detail lagi agar potensi data ini dapat dimanfaatkan secara maksimal untuk kemanusiaan.