Seringkali nilai dari sains data terletak pada pekerjaan mengabungkan banyak titik tersebut. Shutterstock

Lima proyek yang memanfaatkan big data untuk kebaikan sosial

Ilmu data (data science) telah berkembang pesat selama dekade terakhir, mengikuti kemajuan dalam matematika, kemampuan komputasi, dan penyimpanan data. Gugus tugas Industri 4.0 Australia sedang sibuk mengeksplorasi cara-cara untuk meningkatkan ekonomi Australia dengan alat-alat seperti kecerdasan buatan, algoritme mesin pembelajaran dan analitik data besar (big data).

Tapi sementara ilmu mengenai data menawarkan potensi untuk memecahkan masalah kompleks dan mendorong inovasi, ilmu ini sering mendapat kecaman karena penggunaan data yang tidak etis atau konsekuensi negatif yang tidak diinginkan-khususnya dalam kasus-kasus komersial saat orang-orang menjadi angka data dalam laporan tahunan perusahaan.

Kami berpendapat bahwa ilmu data tidak boleh dibatasi pada urusan bisnis dan margin keuntungan. Ketika digunakan secara etis, data besar dapat membantu menyelesaikan beberapa masalah sosial dan lingkungan yang paling sulit di masyarakat.

Industri 4.0 harus dibuat berdasarkan nilai-nilai yang memastikan teknologi ini dilatih untuk kebaikan sosial, dikenal sebagai Masyarakat 4.0). Hal tersebut berarti menggunakan data secara etis, melibatkan warga dalam prosesnya, dan membangun nilai sosial ke dalam desain tersebut.

Berikut lima proyek ilmu data yang menerapkan prinsip-prinsip tersebut dalam praktik.

1. Menemukan titik tersulit kemanusiaan

Masalah sosial dan lingkungan jarang mudah dipecahkan. Contohnya kesulitan dan tekanan di daerah terpencil yang mengalami kekeringan di Australia. Luas Australia dan banyaknya orang dan komunitas yang terkena menyulitkan mempertemukan mereka yang membutuhkan dukungan dan sumber daya.

Tim kami bergabung dengan Palang Merah Australia untuk mencari tahu pusat-pusat kegiatan kemanusiaan di negara bagian Victoria. Kami menggunakan data media sosial untuk memetakan aktivitas kemanusian dan menemukan bahwa titik teraktif kegiatan sukarela dan amal terletak di dalam dan sekitar sentra bisnis Kota Melbourne dan pinggiran timur. Wawasan semacam ini dapat membantu organisasi bantuan lokal menyalurkan kegiatan sukarela pada saat kebutuhan mendesak.

Distribusi aksi-aksi kemanusiaan di Melbourne bagian dalam dan area pemerintah lokal. Titik biru dan titik merah melambangkan posting Instagram di sekitar hashtag#volunteer dan #charity.

2. Meningkatkan keselamatan dari ancaman kebakaran di rumah-rumah

Mengakses data-data yang benar, dalam bentuk yang tepat–adalah tantangan yang terus dihadapi dalam ilmu data. Kita tahu bahwa kebakaran rumah adalah ancaman serius, dan bahwa alat peringatan kebakaran dan asap menyelamatkan jiwa. Menargetkan rumah-rumah tanpa alat peringatan kebakaran dapat membantu mengurangi risiko tersebut. Tapi tidak ada sumber informasi tunggal yang dapat diandalkan untuk digunakan.

Di Amerika Serikat, Enigma Labs membangun alat data terbuka untuk memodelkan dan memetakan risiko pada tingkat masing-masing lingkungan. Untuk melakukan ini secara efektif, mereka menggabungkan data sensus nasional dengan alat geocoder (TIGER), serta analitik berdasarkan data insiden kebakaran lokal, untuk mendapatkan sebuah skor risiko.

Skor risiko kematian akibat kebakaran dihitung pada tingkat kelompok blok Sensus. Enigma Labs

3. Memetakan kekerasan polisi di AS

Warga biasa dapat dilibatkan dalam menghasilkan data sosial. Ada banyak proyek pemetaan terbuka crowdsourced (melibatkan banyak warga), tapi seringkali nilai dari sains data terletak pada pekerjaan menggabungkan banyak titik tersebut.

Proyek Mapping Police Violence di AS memonitor, memahami, dan memvisualisasikan kekerasan polisi. Hal ini mengacu pada tiga database crowdsourced, tapi juga mengisi gap menggunakan sebuah gabungan data dari media sosial, berita kematian, database catatan kriminal, laporan polisi dan sumber informasi lainnya. Dengan menggambarkan semua informasi ini bersama-sama, proyek ini mengukur skala masalah dan membuatnya terlihat.

Sebuah visualisasi banyaknya kekerasan oleh polisi di Amerika Serikat. Mapping Police Violence

4. Mengoptimalkan pengelolaan limbah

Internet of Things disusun dari sejumlah besar perangkat yang terhubung yang mengumpulkan data. Ketika tertanam dalam objek biasa di sekitar kita, dan dikombinasikan dengan analisis dan komputasi berbasis cloud, objek-objek ini menjadi pintar–dan dapat membantu menyelesaikan masalah atau ketidakefisienan di lingkungan yang dibangun.

Di Melbourne, ada keranjang sampah BigBelly di sekitar sentra bisnis. Tempat sampah pintar ini memiliki pemadat sampah bertenaga surya yang secara teratur memadatkan sampah di dalamnya sepanjang hari. Hal ini menghilangkan luapan sampah dan mengurangi emisi karbon yang tidak perlu dengan pengurangan 80% dalam pengumpulan sampah.

Analisis dan pelaporan data real-time disediakan oleh portal pengelolaan data berbasis cloud, yang dikenal sebagai CLEAN. Alat ini mengidentifikasi tren tumpukan sampah, yang membantu penempatan keranjang dan merencanakan layanan pengumpulan sampah.

Keranjang sampah BigBelly digunakan di CBD Melbourne. Kevin Zolkiewicz/Flickr, CC BY-NC

5. Mengidentifikasi lokasi rawan pelecehan seksual jalanan

Sebuah kelompok terdiri empat perempuan-dan banyak pendukung sukarelawan-di Mesir mengembangkan HarassMap untuk melibatkan, dan menginformasikan, komunitas dalam upaya untuk mengurangi pelecehan seksual. Platform yang mereka bangun menggunakan data dari banyak warga yang dianonimkan untuk memetakan insiden pelecehan seksual yang terjadi di jalan untuk memperingatkan pengguna jalan tentang daerah yang berpotensi tidak aman.

Tantangan bagi kelompok ini adalah menyediakan sebuah alat (sarana) untuk menghasilkan data untuk sebuah masalah yang masalah itu sendiri secara luas ditutup-tutupi. Pemetaan dan pemberian informasi adalah teknik ilmu data data yang penting untuk mengatasi masalah sosial.

Pemetaan lokasi rawan pelecehan seksual dilaporkan di Mesir. HarassMap

Read more: Cambridge Analytica's closure is a pyrrhic victory for data privacy


Membangun masyarakat yang lebih baik

Mengubah upaya-upaya dari ilmu data menjadi kebaikan sosial tidak mudah. Mereka yang memiliki keahlian harus disesuaikan dengan dampak sosial dari analitik data. Sementara itu, akses ke data atau menghubungkan data lintas sumber merupakan tantangan utama-terutama karena privasi data menjadi perhatian yang semakin meningkat.

Sementara matematika dan algoritme yang mendorong sains data tampak objektif, faktor manusia sering melibatkan bias, yang dapat menghasilkan pemodelan yang tidak akurat. Literasi digital dan data, bersama dengan kurangnya transparansi dalam metodologi, meningkatkan ketidakpercayaan terhadap big data dan analitik.

Meski demikian, ketika bekerja untuk kebaikan sosial, ilmu data data dapat memberikan sumber-sumber bukti baru untuk membantu pemerintah dan badan pendanaan dengan kebijakan, penganggaran, dan perencanaan masa depan. Hal ini akhirnya dapat menghasilkan sebuah masyarakat yang lebih peduli dan terhubung yang lebih baik.

Artikel ini diterjemahkan dari bahasa Inggris oleh Gracesillya Febriani dan Ahmad Nurhasim.

This article was originally published in English