17 November 2022
1
Source: https://www.pexels.com/id-id/
PROFIL
PROFILE Head of Center for Research and Community Service at Politeknik Statistika STIS
Badan Pusat Statistik (BPS)
ariewahyu.github.io
ariewahyu@stis.ac.id h-index: 6
2
PENTINGNYA
PENTINGNYA DATA MENDUKUNG
DATA DALAM DALAM MENDUKUNG PEMBANGUNAN
PEMBANGUNAN
PERENCANAAN PELAKSANAAN
PEMBANGUNAN PEMBANGUNAN
3
Sensus :
pengumpulan data yang dilakukan melalui pencacahan semua
unit populasi di seluruh wilayah Republik Indonesia untuk
memperoleh karakteristik suatu populasi pada saat tertentu
Survey :
METODE cara pengumpulan data dilakukan melalui pencacahan sampel
PENGUMPULAN untuk memperkirakan karakteristik suatu populasi pada saat
tertentu.
DATA
Kompilasi data administrasi :
cara pengumpulan, pengolahan, penyajian, dan analisis data didasarkan
pada catatan administrasi yang ada pada pemerintah dan atau
masyarakat.
Big Data
4
ARTIFICIAL INTELLIGENCE
Artificial intelligence (AI) includes many machine No human intervention needed
(automation)
learning models which focuses on the use of data and
algorithms to imitate the way that humans learn,
gradually improving its accuracy. Handling multi-dimensional
and multi-variety data
Continuous Improvement
Wide Applications
5
ABOUT BIG DATA
Big Data are data sources that can be – • Click Stream
• Active/Pasive Sensor
• Unstructured
generally – described as: “high volume, • Log • Semi Stuctured
velocity and variety of data that demand cost- • Event • Structured
• Printed Corpus
effective, innovative forms of processing for • Speech
• Social Media
enhanced insight and decision making” - • Traditional
UNStats Huge Huge
Volume Variety
Huge Huge
Velocity Veracity
•Speed of Generation
•Rate Analysis
• Untrusted
• Uncleansed
6
AI AND BIG DATA, HOW DO THEY RELATE?
7
AI & BIG DATA FOR OFFICIAL STATISTIC
SATELLITE IMAGERY
• Poverty Mapping
• Agricultural Statistics
• Economic Activity
• Economic Activity
• Poverty Mapping
8
THE USE OF AI & BIG DATA IN OFFICIAL STATISTICS
Artificial Intelligence
Big Data
9
AI PADA BIG DATA GEOSPASIAL
Pengolahan big data geospasial dilakukan
pada citra satelit, drone, dll:
Arsitektur deep learning yang digunakan untuk mengenali fitur-fitur pada objek
(misalnya gambar, citra, dst) untuk diklasifikasikan ke label-label tertentu
PUBLIKASI ILMIAH
Source:
https://www.azavea.com/blog/2017/05/3
0/deep-learning-on-aerial-imagery/
BIG PICTURE: SUSTAINABLE DEVELOPMENT GOALS
▪ Within the scope of the global agenda, it’s very relevant to understand how big
data could be used for contributing to indicators on the Sustainable
Development Goals.
▪ Combining new information sources and traditional ones can result in powerful
outcomes for achieving the 2030 agenda more efficiently and effectively, and
ensure that ‘no one is left behind’.
15
CASE STUDY EXAMPLES
16
PERTANIAN: Penghitungan Jumlah Pohon Perkebunan Kelapa Sawit
VHR
Oil palm trees detection and counting on Microsoft Bing Maps Very High Resolution
(VHR) satellite imagery and Unmanned Aerial Vehicles (UAV) data using image
processing thresholding approach
Segmen
Segmen
Seleksi wilayah sesuai kategori
Seleksi segmen yang Label bangunan
memiliki bangunan
19
PERKOTAAN: Penghitungan Kepadatan Pemukiman
Model Latihan
pretrained Ulang
The 14th Aceh International Workshop and Expo on Sustainable Tsunami Disaster Recovery:
Tsunami Spatial Vulnerability Index in Aceh Province 2020 using Remote Sensing and Geospatial Big Data
M Rifqi Jundullah, Arie Wahyu Wijayanto
KEBENCANAAN: Deteksi Kebakaran Hutan
Mono-temporal and Multi-temporal Approaches for Burnt Area Detection Using Sentinel-2 Satellite Imagery
(A Case Study of Rokan Hilir Regency, Indonesia)
Natasya Afira, Arie Wahyu Wijayanto
KEBENCANAAN: Deteksi Kebakaran Hutan
Scopus Q1
Mono-temporal and Multi-temporal Approaches for Burnt Area Detection Using Sentinel-2 Satellite Imagery
(A Case Study of Rokan Hilir Regency, Indonesia)
Natasya Afira, Arie Wahyu Wijayanto
https://www.sciencedirect.com/science/article/abs/pii/S1574954122001273
KEBENCANAAN: Deteksi Kebakaran Hutan
Dengan menggunakan model machine learning dan deep learning, kita dapat mendeteksi lokasi-lokasi
kebakaran hutan secara akurat.
EKONOMI: Pemetaan Kemiskinan di Indonesia
✓ Tingkat pengentasan kemiskinan melambat, tetapi kemiskinannya rendah.
✓ Namun, setelah periode penurunan selama delapan tahun, tingkat penurunan telah melambat menjadi 9%
dalam beberapa tahun terakhir.
✓ Dan meningkat lagi setelah COVID-19 masuk ke Indonesia (tahun 2020 – 2022).
✓ Kesenjangan pendapatan semakin besar.
✓ Pertumbuhan ekonomi Indonesia mengalir secara tidak proporsional ke orang kaya.
✓ Penduduk hampir miskin merupakan kelompok yang signifikan di Indonesia.
26
EKONOMI: Pemetaan Kemiskinan di Indonesia
Satellite Imagery
Nighttime Light Intensity (NTL) NOAA- VIIRS Detecting the distribution of economic activity.
Vegetation Index (NDVI) Sentinel 2 Detecting the distribution of rural area based on vegetation distribution.
Built-Up Index (NDBI) Sentinel 2 Detecting the distribution of urban area based on building distribution.
Water Indeks (NDWI) Sentinel 2 Land cover detection.
Carbon Monoxide (CO)
Nitrogen Dioxide (NO2) Sentinel 5P Detecting the distribution of economic activity based on air pollution.
Sulfur Dioxide (SO2)
Land Surface Temperature (LST) MODIS-Terra Detecting the distribution of urban area based on surface temperature.
27
EKONOMI: Pemetaan Kemiskinan di Indonesia
Ekstraksi Fitur Variabel Pembangunan Model
Variabel Independen Model Skenario 1 Machine Learning
Tempat Wisata
Swalay an
Kec 2
Citra Satelit
Point of Vektor
Multisumber Output
… Support Vector
Interest (POI)
(NTL, NDVI, BUI,
(POI Density,
Regression (SVR)
NDWI, LST, CO, Zonal Statistics
NO2, dan SO2)
POI DIstance) Variabel Independen Model Skenario 2
512 Fitur Hasil Ekstraksi yang Diagregasi pada Pemilihan
Level Administratif hyperparameter:
Citra Satelit Siang Hari (1,5 km Grid)
Red, Green, Blue Fitur 1 Fitur 2 … Fitur 512
grid search
Kec 1
… Multiple Layer
Perceptron
(MLP)
Variabel Convolutional Neural
Dependen Network-1D
(CNN-1D)
Transfer Learning Kemiskinan
ResNet-34 Level Pemilihan
Tiga Kelas Nilai Intensitas
Cahaya Malam Administratif hyperparameter:
random search
EKONOMI: Pemetaan Kemiskinan di Indonesia
EKONOMI: Pemetaan Kemiskinan di Indonesia
Scopus Q1
https://www.mdpi.com/2220-9964/11/5/275
Integrasi AI & Big Data dengan Survei
Sumber yang tidak berbayar, proses relatif cepat, dan tidak Pengumpulan datanya memerlukan sumber daya yang
memerlukan banyak tenaga besar baik dari segi biaya, waktu, dan tenaga
Periode waktu update 1 bulan (level grid 1,5 km) Periode waktu update relatif lebih lama
Data populasi sesuai dengan keadaan lapangan Data sampel dengan pengakuan responden
Belum dapat dilakukan validasi yang benar-benar akurat Dihitung dengan metodologi yang disepakati dunia dan
sampai level grid 1.5 km dipublikasikan sebagai official statistics
Tidak dapat menggambarkan indikator secara spesifik Lebih representatif dalam menggambarkan indikator
berdasarkan rumah tangga atau individu secara spesifik berdasarkan rumah tangga atau individu
PUBLIKASI ILMIAH
AI & BIG DATA UNTUK OFFICIAL STATISTICS
PADI Machine Learning Applied to Sentinel-2 and Landsat-8 Multispectral and Medium-Resolution Satellite
Imagery for the Detection of Rice Production Areas in Nganjuk, East Java, Indonesia. 2021.
http://jurnal.lapan.go.id/index.php/ijreses/article/view/3538
PADI Classification of Rice-Plant Growth Phase using Supervised Random Forest Method based on Landsat-8
Multitemporal Data. 2020. http://jurnal.lapan.go.id/index.php/ijreses/article/view/3217
JAGUNG Maize Field Area Detection in East Java, Indonesia: An Integrated Multispectral Remote Sensing and
Machine Learning Approach. 2020. https://ieeexplore.ieee.org/document/9271683/
KELAPA Oil Palm Plantation Detection in Indonesia Using Sentinel-2 and Landsat-8 Optical Satellite Imagery (Case
SAWIT Study: Rokan Hulu Regency, Riau Province). 2021.
http://jurnal.lapan.go.id/index.php/ijreses/article/view/3537
BANGUNAN Tinjauan Pemanfaatan Big Data Penginderaan Jauh dan Pembelajaran Mesin untuk Official Statistics di
/KONSTRUKSI
Wilayah Perkotaan. 2020. https://jurnal.stis.ac.id/index.php/jurnalasks/article/view/282
PUBLIKASI ILMIAH
AI & BIG DATA UNTUK OFFICIAL STATISTICS
KEMISKINAN Developing Relative Spatial Poverty Index Using Integrated Remote Sensing and Geospatial Big Data
Approach: A Case Study of East Java, Indonesia. 2022. https://www.mdpi.com/2220-9964/11/5/275
Eco-environment vulnerability assessment using remote sensing approach in East Kalimantan, Indonesia.
LINGKUNGAN 2022. https://www.sciencedirect.com/science/article/abs/pii/S2352938522000994
Mono-temporal and multi-temporal approaches for burnt area detection using Sentinel-2 satellite imagery
LINGKUNGAN (a case study of Rokan Hilir Regency, Indonesia). 2022.
https://www.sciencedirect.com/science/article/abs/pii/S1574954122001273
POLITEKNIK STATISTIKA STIS
For Better Official Statistics
Thank You
DISCUSSION
35