AI Temukan 44 Lokasi Bumi Baru yang Selama Ini Tersembunyi

Intan Rakhmayanti Dewi,  CNBC Indonesia
23 October 2026 18:40
A green comet named Comet C/2022 E3 (ZTF), which last passed by our planet about 50,000 years ago and is expected to be most visible to stargazers this week, is seen journeying tens of millions of miles (km) away from Earth in this telescope image ta
Foto: via REUTERS/DAN BARTLETT

Jakarta, CNBC Indonesia - Kecerdasan buatan (AI) mulai membantu astronom mencari planet mirip Bumi yang masih tersembunyi.

Model machine learning yang dikembangkan peneliti University of Bern dan National Centre of Competence in Research Planet di Swiss mengidentifikasi setidaknya ada 44 sistem planet yang berpotensi memiliki planet mirip Bumi yang belum ditemukan.

Studi yang dipublikasikan di jurnal Astronomy & Astrophysics itu menunjukkan model tersebut mampu mencapai tingkat presisi hingga 99% ketika diuji menggunakan sistem planet hasil simulasi komputer.

Namun, planet yang diprediksi berada di sekitar bintang-bintang sebenarnya itu belum terkonfirmasi melalui pengamatan teleskop. Keberhasilan metode tersebut masih bergantung pada pengamatan lanjutan.

Model AI tersebut memanfaatkan susunan planet yang sudah diketahui untuk mencari petunjuk keberadaan planet lain yang belum terlihat. Massa dan orbit sebuah planet dapat menyimpan jejak proses pembentukan dan perkembangan seluruh sistem planet, termasuk planet yang terlalu kecil atau redup untuk dideteksi teleskop.

Planet terbentuk secara bersamaan di dalam piringan gas dan material padat yang mengelilingi bintang muda. Ketika tumbuh, bermigrasi, dan saling berinteraksi, proses tersebut meninggalkan pola pada massa serta jarak orbit planet.

Peneliti kemudian menguji apakah pola tersebut dapat membantu membedakan sistem yang memiliki planet kecil dan bersuhu sedang dengan sistem yang tidak memilikinya. Beberapa sistem memiliki planet dengan ukuran dan jarak yang serupa, pola yang kerap disebut "peas in a pod", sementara sistem lain memiliki susunan yang lebih beragam.

Jeanne Davoult mengembangkan algoritma machine learning tersebut dalam penelitian doktoralnya di University of Bern bersama Romain Eltschinger dan Yann Alibert.

Peneliti menemukan bahwa petunjuk terkuat berasal dari arsitektur sistem yang dapat diamati serta massa dan periode orbit planet terdalam yang terdeteksi.

Tim peneliti menghadapi kendala saat melatih model menggunakan sistem planet yang benar-benar diamati. Astronom jarang mengetahui seluruh planet yang mengelilingi sebuah bintang. Planet berukuran kecil dengan orbit lebih panjang juga lebih sulit ditemukan sehingga gambaran sistem yang diperoleh dari pengamatan tidak lengkap.

Karena itu, tim menggunakan Bern Model of Planet Formation and Evolution untuk membuat puluhan ribu sistem planet sintetis. Simulasi tersebut mencakup bintang dengan massa setara Matahari, setengah massa Matahari, dan seperlima massa Matahari.

Dalam simulasi itu, seluruh planet diketahui, termasuk planet yang kemungkinan tidak dapat ditemukan oleh pengamat. Perhitungan dimulai dari embrio planet yang berada di dalam piringan gas dan material padat berukuran kecil.

Peneliti kemudian mensimulasikan proses pertumbuhan, migrasi, dan interaksi gravitasi selama 20 juta tahun. Perhitungan berikutnya melacak proses pendinginan, kontraksi, pelepasan atmosfer, dan migrasi pasang surut hingga 10 miliar tahun.

Sebelum melatih model, tim menyembunyikan planet yang pengaruh gravitasinya terhadap bintang berada di bawah ambang deteksi tertentu. Langkah tersebut dibuat untuk meniru keterbatasan pengamatan menggunakan metode kecepatan radial yang mengukur pergerakan bintang akibat keberadaan planet yang mengorbitnya.

Model menggunakan metode random forest, yang terdiri dari 500 pohon keputusan. Setiap pohon memberikan suara untuk menentukan apakah sebuah sistem memiliki planet mirip Bumi.

Sebanyak 80% data sintetis digunakan untuk melatih model, sedangkan 20% sisanya digunakan untuk pengujian.

Peneliti memprioritaskan presisi, yakni seberapa banyak sistem yang benar-benar memiliki planet mirip Bumi dari seluruh sistem yang diklasifikasikan model sebagai memiliki planet tersebut.

Ketika ambang suara dibuat di atas 90%, tingkat presisi mencapai 99% pada model yang dilatih menggunakan dua populasi bintang dengan massa lebih besar. Sementara itu, model untuk bintang dengan massa paling kecil mencapai presisi 94%.

(dem/dem) [Gambas:Video CNBC]
Next Article Warga RI Punya Startup AI, Kini Dicaplok Perusahaan Amerika


Most Popular
Features