Gaya Hidup Sains & Teknologi

Memprediksi Indikator Utama Lingkungan Melalui Informasi Restoran Online

Durasi Baca: 3 menit

Pencari apartemen di kota-kota besar sering menggunakan keberadaan restoran untuk menentukan apakah suatu lingkungan akan menjadi tempat tinggal yang baik. Ternyata ada banyak aturan ini: para pakar kajian perkotaan MIT (Massachusetts Institute of Technology) kini telah menemukan bahwa di China, data restoran dapat digunakan untuk memprediksi atribut sosio-ekonomi utama lingkungan.

Memang, dengan menggunakan data restoran online, para peneliti mengatakan, mereka dapat secara efektif memprediksi populasi siang hari lingkungan, populasi malam hari, jumlah bisnis yang berada di dalamnya, dan jumlah pengeluaran keseluruhan di lingkungan tersebut.

“Industri restoran adalah salah satu industri konsumsi lokal yang paling terdesentralisasi dan dideregulasi,” kata Siqi Zheng, seorang profesor studi perkotaan di MIT dan penulis bersama sebuah makalah baru yang menguraikan temuan. “Ini sangat berkorelasi dengan atribut sosial ekonomi lokal, seperti populasi, kekayaan, dan konsumsi.”

Menggunakan data restoran sebagai proksi untuk indikator ekonomi lainnya dapat memiliki tujuan praktis bagi perencana kota dan pembuat kebijakan, kata para peneliti. Di China, seperti di banyak tempat, sensus hanya dilakukan satu dekade sekali, dan mungkin sulit untuk menganalisis dinamika daerah kota yang selalu berubah berdasarkan kecepatan yang lebih cepat. Dengan demikian metode baru untuk mengukur tingkat perumahan dan kegiatan ekonomi dapat membantu membimbing  pejabat kota.

Baca juga:  Obesitas Ditemukan Meningkat Lebih Pesat di Desa daripada di Kota

“Bahkan tanpa data sensus, kami dapat memprediksi berbagai atribut lingkungan, yang sangat berharga,” tambah Zheng, yang adalah Profesor Asosiasi Pengembangan dan Kewirausahaan Real Estat Samuel Tak Lee, dan direktur fakultas MIT China Future City Lab .

Makalah, “Memprediksi atribut sosial ekonomi lingkungan menggunakan data restoran,” muncul dalam Prosiding National Academy of Sciences . Penulisnya adalah Zheng, Ratti, dan Lei Dong, yang diselenggarakan bersama oleh MIT China Future City Lab dan Senseable City Lab.

Studi ini mengamati sembilan tingkat lingkungan di sembilan kota di Tiongkok: Baoding, Beijing, Chengdu, Hengyang, Kunming, Shenyang, Shenzen, Yueyang, dan Zhengzhou. Untuk melakukan penelitian, para peneliti mengekstraksi data restoran dari situs web Dianping, yang mereka gambarkan sebagai bahasa Mandarin yang setara dengan Yelp, situs ulasan bisnis berbahasa Inggris.

Dengan mencocokkan data Dianping dengan data yang andal dan sudah ada untuk kota-kota tersebut — termasuk data lokasi ponsel teranonimkan dan teragregasi dari 56,3 juta orang, catatan kartu bank, catatan pendaftaran perusahaan, dan beberapa data sensus — para peneliti menemukan bahwa mereka dapat memprediksi 95 persen dari jumlah tersebut, termasuk variasi dalam populasi siang hari di antara lingkungan. Mereka juga memperkirakan 95 persen variasi dalam populasi malam hari, 93 persen variasi dalam jumlah bisnis, dan 90 persen variasi dalam tingkat konsumsi konsumen.

Data restoran online dapat secara efektif memprediksi populasi siang hari lingkungan, populasi malam hari, jumlah bisnis yang berada di dalamnya, dan jumlah pengeluaran keseluruhan di lingkungan tersebut. Sumber: PNAS

“Kami telah menggunakan data baru yang tersedia untuk umum dan mengembangkan metode augmentasi data baru untuk mengatasi masalah perkotaan ini,” kata Dong, yang menambahkan bahwa model penelitian ini adalah “kontribusi baru untuk [penggunaan] kedua ilmu data untuk kebaikan sosial, dan besar data untuk komunitas ekonomi perkotaan. “

Baca juga:  Ini Ranking Benua Berdasar Kepadatan Penduduk

Para peneliti mencatat bahwa ini adalah proksi yang lebih akurat untuk memperkirakan aktivitas ekonomi dan demografi tingkat lingkungan daripada metode lain yang digunakan sebelumnya. Misalnya, peneliti lain telah menggunakan pencitraan satelit untuk menghitung jumlah cahaya malam di kota-kota, dan pada gilirannya menggunakan jumlah cahaya untuk memperkirakan aktivitas tingkat lingkungan. Sementara metode tersebut lebih ekonomisuntuk perkiraan populasi. Lebih jauh, metode restoran-data secara keseluruhan lebih baik dalam memperkirakan aktivitas bisnis dan pengeluaran konsumen.

Zheng mengatakan dia merasa “percaya diri” bahwa model para peneliti dapat diterapkan ke kota-kota China lainnya karena sudah menunjukkan kekuatan prediksi yang baik di seluruh kota. Tetapi para peneliti juga percaya metode yang mereka gunakan — yang menggunakan teknik pembelajaran mesin untuk memperbaiki korelasi yang signifikan — berpotensi diterapkan ke kota-kota di seluruh dunia.

Baca juga:  Apakah Artinya Kesenjangan Kesehatan?

Seperti yang diakui para ahli, studi mereka mengamati korelasi antara data restoran dan karakteristik lingkungan. Ratti mencatat bahwa hubungan sebab akibat antara restoran dan karakteristik lingkungan dapat berjalan dua arah: Kadang-kadang restoran dapat memenuhi permintaan di daerah yang sudah berkembang pesat, sementara di saat lain kehadiran mereka adalah pertanda perkembangan masa depan.

Zheng mengatakan dia berharap para sarjana akan mempelajari metode ini, yang pada prinsipnya dapat diterapkan pada banyak topik studi perkotaan.

“Data restoran itu sendiri, serta berbagai atribut lingkungan yang diprediksinya, dapat membantu peneliti lain mempelajari semua jenis masalah perkotaan, yang sangat berharga,” kata Zheng.

    Leave a Reply