Jakarta, MISTAR.ID
Badan Riset dan Inovasi Nasional (BRIN) kini memanfaatkan teknologi kecerdasan buatan (AI) untuk menyingkap aktivitas Matahari dan memahami dampaknya terhadap Bumi. Peneliti Ahli Madya Pusat Riset Antariksa BRIN, Tiar Dani, menjelaskan bahwa dengan bantuan AI, pemantauan dinamika Matahari kini lebih akurat dan cepat.
Menurut Tiar, kemampuan memprediksi aktivitas Matahari sangat penting karena kegagalan dalam prediksi dapat menimbulkan kerugian ekonomi, terutama terkait dampak cuaca antariksa terhadap infrastruktur komunikasi dan jaringan listrik di Bumi.
Peran AI dalam Pemantauan Aktivitas Matahari
Teknologi AI, termasuk machine learning dan deep learning, diterapkan untuk mendeteksi pola aktivitas Matahari dengan akurasi tinggi. AI juga mempercepat analisis data dan penyampaian informasi terkait dinamika Matahari.
Baca juga: Mahasiswi Asal Norwegia Belajar Buat Kue di Pantai Labu
Cara Kerja AI:
- Pengumpulan dan Pelatihan Data: Data diperoleh dari satelit-satelit pengamat Matahari, kemudian dilatih menggunakan algoritma.
- Training dan Testing: Model AI dilatih dengan data historis untuk memprediksi aktivitas baru. Akurasi model akan diuji dan algoritma disesuaikan jika hasilnya belum memadai.
- Prediksi Solar Flare: Untuk memprediksi letusan Matahari (solar flare), AI memanfaatkan metode random forest, yaitu teknik machine learning yang menggunakan banyak pohon keputusan (decision trees) untuk menghasilkan beberapa prediksi.
Tiar menjelaskan bahwa model prediksi solar flare menggunakan data seperti luas dan lokasi bintik Matahari, jumlah bintik, serta medan magnetiknya. Model tersebut mampu mencapai akurasi hingga 70% dan menjadi pijakan awal untuk pengambilan keputusan lebih lanjut.
Baca juga: Badai Matahari Diperkirakan Akan Melanda Bumi, Waspada Jaringan Listrik
Prediksi Kecepatan Angin Matahari
Selain memantau letusan Matahari, AI juga digunakan untuk memprediksi kecepatan angin Matahari. Analisis ini dilakukan menggunakan model long short-term memory (LSTM), sebuah teknik deep learning yang cocok untuk menganalisis data deret waktu.
