IPC dibentuk pada 2004 sebagai konsorsium 21 organisasi untuk memberikan ukuran ketahanan pangan yang dapat diandalkan. Analisis IPC—yang mencakup sekitar 30 negara—digunakan badan bantuan untuk mengalokasikan lebih dari $6 miliar bantuan kemanusiaan setiap tahun, sehingga akurasi penilaian sangat penting untuk menentukan di mana dan kapan bantuan dikirim.
Sebuah studi baru di Nature Food, dipimpin oleh Hope Michelson dan Erin Lentz bersama Kathy Baylis dan Chungmann Kim, menilai validitas penilaian IPC. Tim melakukan sekitar 20 wawancara dengan badan kemanusiaan dan pengguna, lalu menganalisis hampir 10.000 penilaian yang mencakup 917 juta individu di 33 negara antara 2017 dan 2023, dengan total 2.8 miliar observasi orang. Analisis menemukan bukti penumpukan data di bawah ambang 20% untuk fase 3, yaitu ambang yang mendefinisikan krisis.
Menurut estimasi tim, 293.1 juta orang berada pada fase 3 atau lebih parah, sementara penilaian IPC melaporkan 226.9 juta; selisih 66.2 juta orang (sekitar satu dari lima) menunjukkan bahwa jumlah besar yang sangat membutuhkan kemungkinan tidak terhitung. Penulis menjelaskan perbedaan ini sebagian muncul karena cara kelompok kerja menangani indikator yang saling bertentangan: saat data tidak konsisten, komite cenderung mengambil sikap konservatif dan menurunkan perhitungan, kemungkinan karena kekhawatiran dituduh melebih-lebihkan.
Studi menekankan nilai proses IPC yang berkelanjutan dan merekomendasikan perbaikan pada pengumpulan data dan pengambilan keputusan. Para penulis menyatakan pembelajaran mesin dapat meningkatkan kualitas data dan pemodelan, tetapi tidak boleh menggantikan evaluasi ahli. Mereka sedang meneliti bagaimana indikator berbeda memprediksi malnutrisi dan bagaimana penilaian berkaitan dengan respons bantuan yang sebenarnya, sehingga perbaikan pengukuran dapat memperbaiki alokasi sumber daya dan respon kemanusiaan.
Kata-kata sulit
- konsorsium — kumpulan organisasi yang bekerja bersama
- ketahanan pangan — kemampuan suatu masyarakat memperoleh makanan cukup
- validitas — tingkat kebenaran atau keandalan sebuah penilaian
- penumpukan — pengumpulan berlebih atau terkumpulnya data
- ambang — nilai batas yang menentukan kategori atau faseambang 20%
- konservatif — bersikap hati-hati dan cenderung mengurangi estimasi
- pembelajaran mesin — metode komputer untuk menganalisis dan memprediksi data
- mengalokasikan — memberikan atau membagi sumber daya untuk tujuan tertentu
Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.
Pertanyaan diskusi
- Bagaimana perbaikan pengumpulan data bisa memengaruhi alokasi sumber daya bantuan menurut artikel? Berikan contoh singkat.
- Apa risiko kemanusiaan jika penilaian cenderung konservatif dan menurunkan estimasi kebutuhan?
- Menurut Anda, bagaimana pembelajaran mesin dan evaluasi ahli sebaiknya dikombinasikan dalam penilaian seperti IPC?
Artikel terkait
AI bantu layanan kesehatan di Sudan
Sistem kesehatan Sudan tertekan setelah hampir dua tahun perang. WHO memperingatkan kekurangan staf dan obat. Pejabat kesehatan mengatakan Sudan mulai memakai kecerdasan buatan untuk membantu perawatan di tempat layanan tradisional tidak lagi menjangkau.