INDUSTRY.co.id - Jakarta, Badan Riset dan Inovasi Nasional (BRIN) mengembangkan sistem kecerdasan buatan (Artificial Intelligence/AI) berbasis multi-modal deep learning untuk memprediksi kekuatan medan magnet badai Matahari. Teknologi bernama Bz4SWx tersebut mampu memberikan peringatan dini hingga 96 jam atau empat hari sebelum badai Matahari mencapai Bumi.

Peneliti Pusat Riset Antariksa (PRA) BRIN, Tiar Dani, menjelaskan bahwa informasi mengenai kekuatan medan magnet badai Matahari sangat penting untuk menentukan langkah mitigasi terhadap berbagai potensi gangguan di Bumi.

"Sama seperti menghadapi badai di daratan, kita juga perlu mengetahui seberapa kuat badai Matahari agar dapat menyiapkan langkah mitigasi yang tepat," ujar Tiar Dani saat diwawancarai Tim Humas BRIN di Kawasan Sains dan Teknologi Samaun Samadikun, Bandung.

Menurutnya, tingkat keparahan badai Matahari sangat dipengaruhi oleh arah medan magnet antarplanet atau komponen Bz. Apabila medan magnet tersebut mengarah ke selatan selama beberapa jam, interaksinya dengan medan magnet Bumi menjadi jauh lebih kuat sehingga meningkatkan risiko terjadinya badai geomagnetik.

Kondisi tersebut diibaratkan seperti sebuah kunci yang berhasil membuka gerbang pertahanan. Medan magnet Bumi yang berfungsi sebagai pelindung menjadi lebih mudah ditembus partikel berenergi tinggi dari Matahari. Dampaknya dapat berupa gangguan pada satelit, sistem navigasi, komunikasi radio hingga jaringan listrik.

Namun demikian, memprediksi arah maupun waktu saat komponen Bz mencapai nilai minimum masih menjadi tantangan besar dalam fisika Matahari dan cuaca antariksa. Permasalahan ini dikenal sebagai The Bz Problem.

Untuk menjawab tantangan tersebut, Tiar bersama tim mengembangkan sistem AI Bz4SWx yang dirancang memprediksi nilai minimum Bz beserta waktu terjadinya dalam rentang 96 jam setelah lontaran massa korona (Coronal Mass Ejection/CME). Informasi tersebut menjadi indikator penting dalam memperkirakan potensi badai geomagnetik.

Tiar menjelaskan, kekuatan badai geomagnetik diklasifikasikan mulai dari skala G1 hingga G5.

"Pada skala ringan, dampaknya mungkin hanya berupa fluktuasi kecil pada jaringan listrik dan munculnya aurora. Namun, jika nilai Bz sangat negatif dan bertahan lama, badai dapat menembus skala ekstrem (G5)," jelasnya.

Pada tingkat ekstrem, badai geomagnetik dapat memicu arus listrik induksi yang merusak transformator, menyebabkan pemadaman listrik berskala besar seperti yang pernah terjadi di Quebec pada 1989. Selain itu, badai juga berpotensi mengganggu komunikasi radio penerbangan global serta meningkatkan kerapatan atmosfer atas yang dapat mempercepat penurunan orbit satelit.

Memadukan Beragam Data

Tiar mengibaratkan cara kerja Bz4SWx seperti seorang dokter spesialis yang tidak hanya mengukur suhu tubuh pasien, tetapi juga memanfaatkan hasil pemeriksaan lain untuk memperoleh diagnosis yang lebih akurat.

Model AI ini menggabungkan data kecepatan dan arah CME dengan citra medan magnet Matahari atau magnetogram yang merekam kondisi daerah aktif di permukaan Matahari sebagai sumber terjadinya CME.

"Dengan menggabungkan berbagai jenis data tersebut, AI mampu memperoleh pemahaman yang lebih komprehensif mengenai karakteristik medan magnet yang sedang terbentuk sehingga mampu memprediksi bagaimana pola Bz yang akan terjadi dari sejak CME hingga empat hari berikutnya," paparnya.

Keunggulan lain dari Bz4SWx adalah penerapan attention mechanism, teknologi AI yang memungkinkan sistem memusatkan perhatian pada informasi paling relevan di dalam citra magnetogram.

"Cara kerjanya mirip dengan mata manusia yang secara otomatis akan tertuju pada objek yang paling mencolok atau berpotensi berbahaya di sekitarnya," tutur Tiar.

Melalui mekanisme tersebut, AI dapat mengidentifikasi daerah aktif Matahari yang berpotensi menghasilkan badai geomagnetik kuat sehingga mampu mengekstraksi informasi penting yang sulit diperoleh melalui metode konvensional.

Hasil penelitian menunjukkan pendekatan berbasis AI tersebut mampu memprediksi intensitas medan magnet badai Matahari dengan tingkat akurasi yang menjanjikan sekaligus menyediakan peringatan dini hingga empat hari sebelum badai mencapai Bumi.

Rentang waktu tersebut dinilai sangat penting bagi operator satelit, pengelola jaringan listrik, penyedia layanan komunikasi, serta berbagai sektor yang bergantung pada teknologi antariksa untuk melakukan langkah mitigasi lebih awal.

"Dengan informasi yang lebih cepat dan akurat, langkah mitigasi dapat dilakukan lebih awal untuk meminimalkan risiko gangguan yang ditimbulkan oleh cuaca antariksa ekstrem," tegasnya.

Ke depan, BRIN akan terus mengembangkan model Bz4SWx melalui inisiatif Research in AI for Space (R.A.I.Se) di bawah Kelompok Riset Matahari dan Aktivitasnya, Pusat Riset Antariksa BRIN.

"Ke depan, model prediksi ini akan terus diperkuat dan diintegrasikan di bawah payung inisiatif Research in AI for Space (R.A.I.Se). Sehingga, kita tidak hanya mampu mendeteksi ancaman lebih awal, tetapi juga secara proaktif melindungi infrastruktur teknologi vital nasional dari potensi kelumpuhan akibat cuaca antariksa ekstrem," pungkas Tiar.