Peneliti Kembangkan Model Machine Learning untuk Prediksi Krisis Pangan

Dia juga menekankan bahwa sedari awal data harus digunakan dengan cara bijaksana dan ditafsirkan secara tepat dalam hubungannya dengan pembuat kebijakan.

"Sangat penting untuk bekerja secara aktif untuk meningkatkan cara kami memperkirakan kerawanan pangan," ujar Michelson.

Oleh sebab itu, menurut Michelson, para peneliti pun perlu terlibat dengan pembuat kebijakan dan prioritas kebijakan.

"Kami melihat perlunya beberapa harmonisasi dan prinsip pedoman agar upaya penelitian tersebut efektif dan dapat diterapkan," tutur Michelson.

Para peneliti mengevaluasi tiga model machine learning berbeda yang memprediksi kerawanan pangan di Malawi, Tanzania, dan Uganda.

Mereka menggunakan data historis sepanjang dua tahun untuk memprediksi hasil kerawanan pangan desa-desa di sana pada tahun ketiga. Kemudian mereka membandingkan hasil prediksi model machine learning dengan hasil aktual. Proses pemodelan juga melibatkan data publik tentang cuaca, geografi, dan harga pangan.

Para peneliti juga menguraikan tiga kriteria untuk memutuskan data apa yang akan dimasukkan dan bagaimana model digunakan. Ketiga kriteria itu adalah hasil mana yang diprediksi, bagaimana menangani kejadian langka, dan bagaimana mengevaluasi efektivitas model.

Model di dalam studi ini, menurut mereka, cukup sederhana, sehingga dapat diakses oleh pemerintah dan organisasi bantuan. Namun, mereka menekankan bahwa data harus diterapkan dan diinterpretasikan dalam kerja sama antara peneliti dan pembuat kebijakan.