Dekan Sekolah Interdisiplin Manajemen dan Teknologi (SIMT) ini juga menjelaskan bahwa SRM adalah upaya untuk mengatur intensitas sinar matahari guna mencegah peningkatan suhu bumi. Konsep yang digunakan untuk menilai dampak dari SRM tersebut sejauh ini hanya menggunakan rata-rata dari data simulasi iklim. Padahal, imbuhnya, data tersebut memiliki keragaman antarmodel yang besar.
āJika ini diabaikan, maka hasilnya bias dan tidak dapat dipertanggungjawabkan,ā ujar Heri.
Berdasarkan permasalahan tersebut, alumnus Leibniz University Hannover, Jerman ini menghadirkan konsep TRUSS untuk menghasilkan validasi model yang lebih akurat dengan mempertimbangkan ketidakpastian data. Pendekatan yang digunakan dengan mengombinasikan metode statistik Bayesian Model Averaging (BMA) dengan algoritma machine learning seperti XGBoost.
āBukan sekadar teknis, inovasi ini juga akan menjadi dasar ilmiah penting dalam pengambilan kebijakan iklim global,ā tegas Heri.
Heri menerangkan bahwa riset TRUSS berfokus pada kawasan Indonesia dan Asia Tenggara. Dengan ruang lingkup berupa dampak SRM terhadap kekeringan, curah hujan ekstrem, dan indeks iklim relevan.
āValidasi model dilakukan dengan mencocokkan hasil simulasi dengan data kejadian iklim historis,ā ungkapnya.
Dalam pelaksanaannya, lanjut Heri, riset yang akan berjalan selama tiga tahun ini dengan menggandeng kolaborator internasional seperti Daniela Visioni dari Cornell University, Amerika Serikat dan Matthew Henry, peneliti dari Inggris, yang merupakan pakar dalam bidang simulasi iklim global. Selain itu, dua dosen Departemen Statistika ITS beserta lima mahasiswa dari bidang informatika dan statistika juga dilibatkan untuk memperkuat tim dari segi pengolahan data dan pengembangan model. (msn)
