Teknologi · 24 October 2026, 20:18 WIB
Ringkasan
Para peneliti di Swiss memakai kecerdasan buatan untuk menyaring puluhan ribu sistem planet hasil simulasi. Hasilnya, 44 sistem diketahui berpotensi menyimpan planet mirip Bumi yang belum terlihat teleskop.
Kecerdasan buatan kini ikut membantu astronom menelusuri planet mirip Bumi yang selama ini bersembunyi di luar tata surya. Sebuah model machine learning berhasil mengidentifikasi setidaknya 44 sistem planet yang berpotensi memiliki planet seukuran dan sebisa Bumi, tetapi belum pernah terdeteksi oleh teleskop mana pun.
Penelitian ini dilakukan oleh tim dari University of Bern dan National Centre of Competence in Research PlanetS di Swiss, lalu dipublikasikan dalam jurnal Astronomy and Astrophysics. Ketika diuji memakai sistem planet hasil simulasi komputer, model mereka mencatatkan tingkat presisi hingga 99 persen.
Meski begitu, para peneliti menegaskan bahwa planet yang diprediksi itu belum terkonfirmasi lewat pengamatan langsung. Keberhasilan metode ini masih bergantung pada pengamatan lanjutan menggunakan teleskop, karena model hanya memberi kandidat, bukan bukti penemuan.
Model AI yang Dipakai Bukan Teknologi Asing
Cara kerja model ini sebenarnya mengandalkan logika yang sederhana. Massa dan orbit sebuah planet menyimpan jejak proses pembentukan seluruh sistem, termasuk planet yang terlalu kecil atau terlalu redup untuk ditangkap teleskop. Dengan membaca pola itu, AI bisa menebak apakah ada planet lain yang belum terlihat.
Planet terbentuk bersamaan di dalam piringan gas dan material padat yang mengelilingi bintang muda. Saat tumbuh, bermigrasi, dan saling berinteraksi secara gravitasi, proses tersebut meninggalkan pola khas pada massa serta jarak orbit antar planet.
Beberapa sistem memiliki planet dengan ukuran dan jarak yang serupa, pola yang dikenal sebagai peas in a pod. Sistem lain memiliki susunan yang lebih beragam. Pola-pola inilah yang dipakai model untuk membedakan sistem yang punya planet kecil bersuhu sedang dengan sistem yang tidak punya.
Mengapa Bumi Kedua Sulit Ditemukan
Jeanne Davoult mengembangkan algoritma machine learning itu dalam penelitian doktoralnya di University of Bern bersama Romain Eltschinger dan Yann Alibert. Menurut mereka, petunjuk terkuat justru datang dari arsitektur sistem yang bisa diamati serta massa dan periode orbit planet terdalam yang terdeteksi.
Kendalanya, astronom jarang mengetahui seluruh planet yang mengelilingi sebuah bintang. Planet berukuran kecil dengan orbit lebih panjang juga lebih sulit ditemukan, sehingga gambaran sistem dari pengamatan selalu tidak lengkap.
Simulasi Hingga 10 Miliar Tahun
Karena itu tim memakai Bern Model of Planet Formation and Evolution untuk membuat puluhan ribu sistem planet sintetis. Simulasi mencakup bintang dengan massa setara Matahari, setengah massa Matahari, dan seperlima massa Matahari.
Perhitungan dimulai dari embrio planet di dalam piringan gas dan material padat, lalu mensimulasikan pertumbuhan, migrasi, dan interaksi gravitasi selama 20 juta tahun. Tahap berikutnya melacak pendinginan, kontraksi, pelepasan atmosfer, dan migrasi pasang surut hingga 10 miliar tahun.
Sebelum model dilatih, tim sengaja menyembunyikan planet yang pengaruh gravitasinya terhadap bintang berada di bawah ambang deteksi. Langkah ini meniru keterbatasan metode kecepatan radial yang mengukur pergerakan bintang akibat planet yang mengorbitnya.
Artinya bagi Penelitian Ke Depan
Model memakai metode random forest yang terdiri dari 500 pohon keputusan. Setiap pohon memberikan suara untuk menentukan apakah sebuah sistem memiliki planet mirip Bumi. Sebanyak 80 persen data sintetis dipakai untuk melatih model, dan 20 persen sisanya untuk pengujian.
Ketika ambang suara dinaikkan di atas 90 persen, tingkat presisi mencapai 99 persen pada model yang dilatih memakai dua populasi bintang bermassa lebih besar. Untuk bintang bermassa paling kecil, presisinya sedikit turun menjadi 94 persen.
Temuan ini menarik karena menunjukkan bahwa AI bukan sekadar alat hitung cepat, melainkan bisa membaca pola yang selama ini terlewatkan manusia. Bagi Indonesia, kemajuan semacam ini memperluas wawasan tentang seberapa umum planet layak huni di galaksi kita. Maknanya, pencarian planet layak huni tidak lagi bergantung sepenuhnya pada kemampuan teleskop, tetapi juga pada seberapa cerdas kita membaca pola yang tersisa di alam semesta.
Sumber Berita
- AI Temukan 44 Lokasi Bumi Baru yang Selama Ini Tersembunyi (CNBC Indonesia)
Pertanyaan yang Sering Muncul
Apakah 44 planet mirip Bumi itu sudah ditemukan?
Belum. Angka 44 merujuk pada sistem planet yang diprediksi AI berpotensi menyimpan planet mirip Bumi. Keberadaan planetnya masih perlu dikonfirmasi lewat pengamatan teleskop lanjutan.
Apa itu metode random forest?
Random forest adalah teknik machine learning yang menggabungkan banyak pohon keputusan. Pada penelitian ini model memakai 500 pohon keputusan yang setiap pohonnya memberikan suara untuk menilai apakah sebuah sistem punya planet mirip Bumi.
Siapa yang mengembangkan model ini?
Model ini dikembangkan Jeanne Davoult dalam penelitian doktoralnya di University of Bern, bekerja bersama Romain Eltschinger dan Yann Alibert dari National Centre of Competence in Research PlanetS, Swiss.
— Ditulis oleh Chacha —
Labels: Teknologi, AI, Astronomi, Eksoplanet, Riset