Peran Data Sains dalam Pemulihan Lingkungan

     Sains data menjadi salah satu ilmu yang paling berkembang di tengah era society 5.0. Sains data sendiri merupakan multidisiplin yang implementasinya melibatkan tiga ilmu yang saling terintegrasi, yaitu ilmu komputer, ilmu statistik, dan dasar bisnis. Secara konseptual data analitika dengan data sains dapat dibedakan, data sains implementasinya cenderung pada statistika dan matematika untuk pengambilan keputusan sedangkan data analitika cenderung untuk kepentingan bisnis. Namun, secara praktik pengolahan data keduanya serupa. Metodologi impelentasi dari sains data sendiri terdiri dari beberapa tahapan. Pertama, melakukan identifikasi terhadap permasalah yang ada. Kedua, pra-pemrosesan dengan memahami lebih lanjut mengenai permasalahan dengan pengambilan data hingga transformasi data dengan data cleaning. Ketiga, menetukan model, kerangka kerja, dan teknik yang sesuai dengan variable yang hendak dianalisis. Keempat, membuat dataset final yang nantinya digunakan untuk analisis lanjut supaya model tercipta. Terakhir, mendiskusikan hasil kepada stakeholder lainnya. Sains data modern terutama prediktif juga didampingi oleh peran AI (Artificial Intelligence) dan Machine Learning. Keterlibatan ketiga ilmu tersebut membuat data sains bersifat fleksibel dan terbuka luas untuk diterapkan di berbagai sektor.

      Salah satu sector yang tengah menjadi perhatian para investor, yaitu sector energi bersih untuk kepentingan ramah lingkungan. Masalah yang seringkali menjadi perbincangan berupa banyaknya emisi karbon yang disumbangkan ke atmosfer akibat dampak kegiatan manusia. Dalam menanggulangi hal ini, tercipta sebuah regulasi mengenai pengenaan biaya terhadap batas jumlah karbon yang dihasilkan atau disebut sebagai kebijakan pajak karbon. Pada dasarnya pajak karbon tertuju pada perusahaan untuk berlomba-lomba meminimalisir pengeluaran emisi karbonnya yang nantinya batas emisi karbon dapat diperjualbelikan. Implementasi praktik data sains pada perpajakan salah satunya menggunakan metodologi CRISP-DM, yang memiliki beberapa tahapan antara lain business understanding, data understanding, data preparation, modelling, evaluation, dan deployment (Darono, 2021). Selain itu, penggunaan data sains pada pengolahanan dan analisis data untuk analisis risiko wajib pajak karbon dengan menggunakan algoritma pemrograman berupa decision tree dan risk quandrant dalam keperluan visualisasi serta penggunaan perangkat lunak seperti SPSS dan Excel dalam prosesnya.

     Selain pada praktik pajak karbon, melansir dari Forbes melalui bantuan data saintis setidaknya memberikan para investor yang mendukung energi terbarukan sebuah tranparansi untuk memutuskan memberikan dana terhadap perusahaan yang bekerja di sektor yang terkait. Riset dari NTRS (NASA Technical Reports Server) juga memberikan gambaran bahwa banyaknya data iklim yang berpotensi melahirkan solusi untuk mencegah perubahan iklim dengan bantuan AI, Machine Learning, sains data ketiganya dapat menemukan pola dari data iklim yang massif atau dikenal dengan istilah Big Data. Jadi dapat didapatkan kesimpulan bahwa pada era society 5.0 ini, perkembangan teknologi tidak semata-semata digunakan untuk kepentingan bisnis tetapi juga berpotensi lebih besar untuk diterapkan pada kepentingan bersama melalui kesehatan lingkungan.

Daftar Pustaka

Darono, A. (2021). Sains Data Perpajakan di Indonesia: Implementasi Praktis, Pembelajaran, dan Agenda Kajiannya. Prosiding Simposium Nasional Perpajakan, 1(1), 9-17.

Medium.com. 4 Mei 2021. How Data Scientists Can Reduce CO2. Diakses pada 3 Mei 2023, dari https://towardsdatascience.com/how-data-scientists-can-reduce-co2-6b3249e0eb61

Forbes.com. 6 September 2019. Climate Change And Big Data: Investing For A Solution. Diakses pada 3 Mei 2023, dari https://www.forbes.com/sites/forbesfinancecouncil/2019/09/06/climate-change-and-big-data-investing-for-a-solution/?sh=56bbe1a463dd