TRANSFORMASI PENYELIDIKAN PERUBAHAN IKLIM: PERANAN GEMINI DALAM MEMPERKASAKAN PENGATURCARAAN R

Zulfaqar Sa’adi^1*, Ricky Anak Kemarau², Muhammad Mazrul Mansur³
Pusat Sistem Perubahan Iklim Tropika, Institut Perubahan Iklim¹,Pusat Pencerapan Bumi, Institut Perubahan Iklim², Fakulti Sains Sosial dan Kemanusiaan³
* Penulis Koresponden : zulfaqar@ukm.edu.my

Kata Kunci: Gemini, Pengaturcaraan R, Perubahan Iklim, Analisis Data, Kecerdasan Buatan (AI)

Pemanasan global dan perubahan iklim merupakan antara krisis paling kritikal yang sedang mendepani keharmonian planet kita pada hari ini. Bagi merungkai kompleksiti perubahan suhu, taburan hujan dan kejadian cuaca ekstrem, penyelidik iklim perlu menganalisis lambakan data berskala besar (Big Data) yang memakan masa bertahun-tahun untuk dikumpulkan. Dalam ekosistem sains data moden, bahasa pengaturcaraan R telah diiktiraf sebagai “standard emas” (gold standard) bagi pengkomputeran statistik dan pemetaan spatial.

Namun begitu, realiti yang sering dihadapi oleh ramai penyelidik ialah keluk pembelajaran (learning curve) pengaturcaraan R yang sangat curam. Menulis kod yang panjang untuk membersihkan data, memadankan koordinat ruang (spatial matching) dan menghasilkan graf multi-panel berkualiti penerbitan (publication-ready) selalunya mengambil masa berminggu-minggu, malah berbulan-bulan. Tenaga yang sepatutnya difokuskan kepada pentafsiran sains iklim sering kali dihabiskan untuk mencari kesilapan kecil dalam kod (debugging) seperti kehilangan tanda koma atau konflik pakej (namespace conflict).

Di sinilah Kecerdasan Buatan (AI), khususnya Gemini, telah merevolusikan landskap penyelidikan secara total. Gemini bukan sekadar enjin carian; ia telah bertindak sebagai pembantu pengaturcaraan peribadi yang sangat cekap, interaktif dan peka terhadap konteks penyelidikan iklim yang dijalankan.

Mengatasi Cabaran Pemprosesan Data Spatial dan Iklim

Dalam kajian perubahan iklim, kita sering mengendalikan data satelit dan titik grid resolusi tinggi, seperti dataset CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) dan menggabungkannya dengan data stesen meteorologi tempatan. Proses ini melibatkan manipulasi data menggunakan pelbagai pakej R yang kompleks seperti sf, terra, dplyr, dan ggplot2.

Sebelum kewujudan Gemini, rujukan terpaksa melalui pelbagai forum, lambakan dokumentasi teknikal, dan artikel panjang semata-mata untuk memadankan titik stesen hujan dengan grid CHIRPS terdekat (nearest neighbor matching). Kini, dengan hanya menaip arahan (prompt) yang jelas seperti “Tuliskan kod R menggunakan pakej ‘sf’ dan ‘terra‘ untuk mengekstrak data ketinggian dari fail DEM berdasarkan koordinat stesen cuaca,” Gemini mampu menjana kerangka kod yang lengkap, tepat dan sedia untuk diuji dalam masa beberapa saat.

Penghasilan Visualisasi Data Bertaraf Jurnal Akademik

Satu lagi impak terbesar Gemini adalah kemampuannya memperhalusi dan mencantikkan visualisasi data. Pengulas jurnal (reviewer) amat mementingkan kualiti rajah. Peta spatial atau graf siri masa (time-series) perlu mempunyai label paksi (axis) yang besar, tebal, garisan yang jelas, dan petunjuk (legend) yang teratur.

Melalui pendekatan lelaran (iterative refinement), arahan kepada Gemini seperti, “Sila semak kod ggplot2 ini. Tolong besarkan saiz tulisan pada paksi-x dan paksi-y kepada saiz 15 dan jadikan ia ‘bold‘, serta gabungkan keempat-empat rajah ini menjadi satu rajah multi-panel 2×2 menggunakan pakej ‘patchwork‘.”

Gemini bukan sahaja memberikan kod yang telah dikemas kini, malah ia turut menyenaraikan penjelasan terperinci mengenai setiap perubahan yang dilakukan (contohnya, penggunaan argumen axis.text.x = element_text(face = “bold”, size = 15)). Keupayaan ini menjadikan Gemini bukan sekadar alat automasi, tetapi juga seorang “tutor” yang memperkukuh kefahaman pengguna terhadap logik pengaturcaraan R.

Rajah 1: Graf berkualiti penerbitan seperti ini kini dapat dijanakan dengan lebih pantas, tepat, dan estetik melalui pengaturcaraan ggplot2 dalam R dengan bantuan iterasi bersama AI Gemini.

Penyelesaian Masalah (Debugging) yang Tangkas

Setiap pengaturcara pasti pernah berhadapan dengan paparan ralat (error) berwarna merah yang mengecewakan. Penyelidik pernah berhadapan dengan ralat ‘unable to find an inherited method for function ‘select’’ ketika memproses data hujan harian selama 20 tahun. Menghabiskan berjam-jam mencari punca ralat ini adalah sesuatu yang amat memenatkan.

Namun, dengan menyalin ralat tersebut dan menampalnya ke dalam ruangan sembang Gemini, punca masalah dapat dikenal pasti dengan pantas. Ralat tersebut berpunca daripada konflik antara pakej terra dan dplyr yang masing-masing mempunyai fungsi select(). Gemini kemudiannya mencadangkan penggunaan dplyr::select() bagi mengatasi konflik tersebut. Kepantasan dalam menyelesaikan masalah sebegini dapat menjimatkan masa secara drastik serta mengelakkan kelumpuhan aliran kerja (workflow paralysis).

Rajah 2: Ruang kerja perisian R yang memaparkan skrip analisis. Melalui bantuan AI, ralat (error) atau amaran (warning) yang muncul di Konsol R (kiri) kini dapat diselesaikan (debug) dengan pantas.

Amalan Terbaik Menggunakan Gemini dalam Penyelidikan

Melalui pengalaman, terdapat beberapa amalan terbaik untuk memaksimumkan potensi Gemini dalam pengekodan:
1. Prompt Berkonteks (Contextual Prompting): Jangan sekadar meminta “tulis kod untuk plot graf”. Nyatakan jenis data anda, pakej spesifik yang anda mahu gunakan (cth: dplyr, ggplot2) dan objektif kajian anda.
2. Pengekodan Secara Berperingkat (Modular Coding): Minta Gemini tulis kod bahagian demi bahagian. Contohnya, minta kod untuk pembersihan data dahulu. Setelah ia berjaya dijalankan tanpa ralat, barulah minta kod untuk visualisasi.
3. Semakan dan Pengesahan Silang (Verification): Walaupun Gemini sangat pintar, output AI masih memerlukan semakan manusia. Sebagai pakar bidang (subject matter expert), kita perlu memastikan formula atau metrik statistik (seperti pengiraan Nash-Sutcliffe Efficiency atau analisis Mann-Kendall) menepati piawaian saintifik.

Penutup

Pengintegrasian Kecerdasan Buatan seperti Gemini dalam penyelidikan sains iklim bukanlah satu ancaman yang menjejaskan keaslian kerja saintifik. Sebaliknya, ia merupakan pemangkin (catalyst) yang membebaskan saintis daripada batasan teknikal pengekodan.

Dengan Gemini, para penyelidik tidak lagi sekadar menjadi seorang “mekanik” yang membaiki kod siang dan malam. Sebaliknya, para penyelidik mempunyai lebih banyak ruang, masa dan kebebasan mental untuk benar-benar menjadi seorang penyelidik, menganalisis corak perubahan iklim di Malaysia, memikirkan penyelesaian adaptasi banjir monsun yang inovatif dan menulis manuskrip berimpak tinggi. Teknologi digital ini benar-benar membawa makna kepada gagasan: Kuasa Digital, Impak Global.