TEXT SIZE :
Sarie - Okezone
SAN FRANSISCO - Ilmuwan IBM telah menciptakan algoritme matematika yang dirancang khusus untuk membantu membuat model dan menangani bencana alam seperti kebakaran hutan, banjir, penyakit dan sebagainya.
"Model optimalisasi stokastis? (stochastic optimization model) IBM dikembangkan oleh ilmuwan matematika IBM di Lab Penelitian IBM di New York dan India yang bekerjasama dengan pakar-pakar bisnis dari IBM Global Business Services dan dengan klien-klien. Tujuannya adalah agar dapat memberikan lembaga-lembaga pemerintah, badan-badan pemulihan bencana dan peruahaan-perusahaan, alat-alat untuk secara strategis merencanakan alokasi sumber daya secara lebih efektif dalam menangani dan memitigasikan bencana alam.
Tim matematika IBM bekerja untuk mengatasi masalah-masalah bisnis, pemerintah dan masyarakat yang tidak dapat diselesaikan. Matematika melandasi hampir semua kejadian di dunia ini, dan banyak sekali permasalahan sosial dan bisnis dapat diatasi dengan memahami matematika dan menggunakannya untuk mendapatkan wawasan yang lebih mendalam tentang berbagai jenis data. Ramuan ajaib yang dimiliki para ahli matematika dikemas dalam algoritme yang unik - persamaan matematis penting yang dapat membantu mempercepat dan menyederhanakan pekerjaan-pekerjaan rumit ke dalam kehidupan sehari-hari ? seperti menentukan rute tercepat untuk mengantarkan barang, mendeteksi pemalsuan klaim asuransi kesehatan, mengotomatisasikan pengambilan resiko yang rumit untuk lembaga-lembaga keuangan internasional, membuat jadwal rantai suplai dan produksi di pabrik pemanufakturan untuk mengoptimalkan efisiensi atau mendeteksi pola dalam data medis untuk mendapatkan pandangan dan terobosan baru.
"Tantangannya terletak pada pencocokan teknologi pemrograman matematis high-end, dengan masalah sosial dan bisnis yang berdampak besar, yang menggunakan standar dan platform terbuka. Para peneliti kami telah mengembangkan solusi-solusi optimalisasi inovatif yang dirancang untuk menciptakan sebuah peta perjalanan untuk pengurangan resiko bencana yang responsif,? tutur Dr. Daniel Dias, Direktur, Lab Penelitian IBM India.
Penyebaran sumber daya ketika terjadi bencana alam, seperti air, makanan, mesin-mesin, manusia membutuhkan perencanaan dan penjadwalan yang rumit. Dan kebutuhan untuk beradaptasi dengan skenario yang berubah-ubah seringkali melibatkan sejumlah besar sumber daya, persyaratan unik yang berdasarkan lokasi, dan pengerahan SDM yang berbeda-beda untuk masing-masing sumber daya. Lembaga-lembaga pemerintah menggunakan sistem yang berbeda-beda untuk mengestimasikan kebutuhan program mereka, termasuk perencanaan sumber daya siaga. Namun demikian, belum ada sistem yang dapat mengatasi kerumitan dalam mengelola bencana alam.
Semua tantangan ini mendorong IBM untuk mengembangkan sebuah kerangka kerja penganggaran strategis yang berskala besar untuk mengelola bencana alam dengan fokus agar lebih siap menghadapi skenario bencana yang tidak pasti di waktu mendatang. Algoritme-algoritme dan model-model optimalisasi yang melandasinya diprototipekan dalam sebuah program Pemerintah AS, dimana masalah utamanya adalah bagaimana menyebarkan sejumlah besar sumber daya penting ke dalam berbagai skenario bencana. Sistem ini menciptakan sebuah solusi untuk setiap skenario. Pencanggihan sistem penganggaran yang ada saat ini meliputi pengembangan model-model simulasi untuk menilai dan mengevaluasi dampak berbagai strategi berdasarkan kriteria yang dipilih klien. Optimalisasi memungkinkan klien untuk beralih dari satu prioritas ke prioritas yang lain guna memahami dampak terhadap suatu tindakan performa tertentu.
Model yang sama dapat dikembangkan untuk mengelola bencana banjir dan kelaparan di India, atau bencana alam lainnya di belahan dunia manapun. Sebuah model yang telah dikembangkan, dikostumisasikan dan diimplementasikan secara penuh dapat secara signifikan membantu pendekatan yang diambil sebuah negara untuk mengurangi resiko bencana dan pengelolaan bencana.
?Kami menciptakan serangkaian aset piranti lunak dan kepemilikan intelektual yang dapat diterapkan untuk mengukur dan meningkatkan tingkat kesiagaan dalam menghadapi bencana alam yang tidak terduga,? jelas Dr. Gyana Parija, periset senior dan ahli optimalisasi di Lab Penelitian IBM India di New Delhi. "Sebagian besar masalah dunia nyata terkait dengan ketidak-pastian, dan ini menginspirasikan kami untuk mengatasi tantangan-tantangan dalam pengelolaan bencana alam."
Sebagai contoh, jika banjir melanda, model pemrograman stokastis ini akan menggunakan berbagai skenario banjir, kemampuan mensuplai sumber daya ke berbagai lokasi terpisah, serta biaya tetap dan variabel yang terkait dengan penyebaran berbagai sumber daya pengelolaan banjir untuk mengelola beragam tindakan resiko. Dengan menggunakan probabilitas-probabilitas untuk faktor-faktor yang mempengaruhi hasilnya, model ini menggambarkan bagaimana sumber daya yang terbatas dapat memenuhi kebutuhan atau kekurangan di waktu mendatang. Dengan demikian, resiko dan manfaat dari berbagai kemungkinan dapat ditelusuri.
Pemrograman stokastis menawarkan kekuatan dan fleksibilitas pemodelan yang lebih besar, tetapi membutuhkan waktu pemrosesan yang berbiaya tinggi. Namun demikian, baru-baru ini pemrograman stokastis mengalami kemajuan berkat pengembangan algoritme yang lebih efisien dan prosesor komputer yang lebih cepat. Artinya, kita tidak memprediksi masa depan dengan peramalan, tetapi kita mengambil keputusan yang mendukung berbagai skenario yang mungkin. Model ini memungkinkan kita untuk mengatasi semua tantangan yang tak terduga, biasanya hanya dalam waktu satu jam, dan memiliki skalabilitas yang baik sehingga dapat secara mudah mengelola model yang lebih besar di waktu mendatang.
"Yang telah kita capai adalah membuat solusi-solusi optimalisasi seperti ini dapat diakses dan terjangkau oleh berbagai jenis klien yang beroperasi di lingkungan sosial-ekonomi yang berbeda,? jelas Tarun Kumar, seorang periset optimalisasi di Pusat Penelitian T.J. Watson milik IBM di Yorktown Heights, New York.
Karena model stokastis kini semakin canggih, periset-periset seperti Dr. Gyana Parija dari IBM dapat memasukkan model-model dengan faktor ?manusia? seperti politik, kebiasaan dan budaya. Dengan masuknya perilaku manusia ke dalam model, hasilnya semakin pasti serta lebih akurat dan dapat diterima. (srn)
Dapatkan okezone launcher untuk BlackBerry http://bb.okezone.com
RSS