KOMPAS.com - Badan Riset dan Inovasi Nasional (BRIN) melalui Pusat Riset Sains Data dan Informasi (PRSDI) mengembangkan sebuah model yang menganalisis variabel iklim secara empirik dan divisualisasikan dalam sebuah grafik.
"Iklim merupakan fenomena atmosfer dalam jangka panjang, dan dari iklim tersebut didapatkan variabel yang bisa diamati berdasarkan lokasi dan waktu," ujar Pusat Riset Sains Data dan Informasi BRIN Devi Munandar, dalam pernyataan tertulis, Rabu (6/3/2024).
Ia mengatakan, riset yang digunakan adalah data mining dengan melalui tiga tahapan proses yaitu pre-process, PCA-MTS, dan Post-Processing.
Data mining adalah suatu proses penambangan atau pengumpulan informasi penting dari suatu data yang besar menggunakan metode statistika. Kemudian matematika, hingga memanfaatkan teknologi artificial intelligence.
Baca juga: Cegah Dampak Buruk Perubahan Iklim, Rehabilitasi Hutan Diperlukan
Ia memaparkan penelitiannya tentang Model Integrasi Principal Component Analysis dengan Multivariate Time Series (Vector Autoregressive Integrated - VARI) menggunakan Data Mining pada Peramalan Data Iklim di Jawa Barat.
Objek dari penelitian ini adalah membangun prosedur pemodel PCA-MTS (VARI) terhadap data iklim yang diperoleh dari Ppwer (data satelit). Terdiri dari lima lokasi iklim wilayah Jawa Barat yaitu Lembang, Bogor, Tasikmalaya, Sukabumi, dan Indramayu pada 2001-2022.
“Dengan interval waktu bulanan sebagai transformasi dari data harian. Lokasi wilayah berdasarkan analisis kondisi iklim dengan Sistem Informasi Dokumen Elektronik Jawa Barat atau Sidebar, serta melibatkan Badan Nasional Penanggulangan Bencana (BNPB) Jawa Barat,” paparnya.
Menurut Devi, variabel pada lima lokasi iklim wilayah di Jawa Barat dari tahun 2001-2022 antara lain Index UV, Suhu, Titik Embun. Serta Kelembaban Penyinaran Matahari, Tekanan Udara, dan Kelembaban Permukaan Tanah.
Penerapan model PCA-MTS (VARI), menggunakan pendekatan data mining untuk peramalan iklim di lima wilayah di Jawa Barat. Peramalan iklim dilakukan untuk melihat perubahan iklim pada 12 bulan ke depan.
Pada proses Post-Processing, interpretasi dan visualisasi model PCA-VARI merepresentasikan peramalan menggunakan Impulse Response Function (IRF). Hal ini untuk melihat pengaruh antar lokasi variabel iklim.
Ia menjelaskan, pengaruh satu wilayah direspons oleh wilayah lain dengan perubahan peningkatan atau penurunan standar deviasi dari setiap variabel iklim di wilayah tersebut.
“Selanjutnya, knowledge yang dihasilkan dapat digunakan untuk peramalan variabel iklim secara simultan pada waktu mendatang,” ujar Devi.
Baca juga:
Sementara itu, Kepala Organisasi Riset Elektronika dan Informatika (OREI) BRIN Budi Prawara mengatakan, topik kesehatan dan perubahan iklim adalah dua topik yang termasuk dalam 17 Tujuan Pembangunan Berkelanjutan atau Sustainable Development Goals (SDGs).
Hal ini ia sampaikan saat membuka webinar Peran Sains Data dalam Studi Kesehatan dan Perubahan Iklim pada Rabu (27/2/2024).
“Tujuan kami di OREI BRIN membangun kerangka program riset kami, berdasarkan tujuan yang ada di SDGs. Untuk webinar kali ini kita akan melihat peranan sains data di bidang kesehatan dan iklim,” kata Budi.
Data yang ada tidak hanya disimpan dan diarsipkan. Melainkan juga dikembangkan inovasi agar data-data yang dimiliki di berbagai macam platform dapat dimanfaatkan secara lebih berkualitas.
"Sehingga kita dapat menghasilkan sistem informasi yang akurat. Data yang memiliki akurasi yang baik akan memberikan support dalam pembangunan sistem informasi yang baik,” pungkas Budi.
Mari berkontribusi langsung dalam upaya mencegah dan mengatasi masalah STUNTING di Indonesia. Ikut berdonasi dengan klik Kompas.com Jernih Berbagi.
Artikel ini merupakan bagian dari Lestari KG Media, sebuah inisiatif untuk akselerasi Tujuan Pembangunan Berkelanjutan. Selengkapnya