AI Cari Planet Mirip Bumi: 44 Sistem Jadi Target Baru
ORBITINDONESIA.COM – AI cari planet mirip Bumi kini bukan sekadar jargon, melainkan alat seleksi target yang nyata untuk teleskop. Model machine learning dari University of Bern menyaring 44 sistem planet yang diduga menyembunyikan planet mirip Bumi yang belum terdeteksi.
Perburuan planet mirip Bumi selalu tersandung masalah klasik: kita hampir tidak pernah melihat satu sistem planet secara utuh. Planet kecil, redup, dan berperiode orbit panjang sering lolos dari metode kecepatan radial yang mengandalkan goyangan bintang.
Di titik inilah AI masuk sebagai “pembaca pola” yang mencoba menebak bagian yang hilang. Ia tidak menemukan planet secara langsung, tetapi menyarankan ke mana teleskop seharusnya mengarah lebih dulu.
Studi di Astronomy & Astrophysics melaporkan model random forest dengan 500 pohon keputusan yang dilatih memakai puluhan ribu sistem sintetis. Data simulasi itu dibuat dengan Bern Model of Planet Formation and Evolution, mencakup bintang bermassa 1, 0,5, dan 0,2 massa Matahari.
Simulasi mengikuti pertumbuhan dan migrasi planet selama 20 juta tahun, lalu evolusi hingga 10 miliar tahun. Setelah itu, planet yang sinyal gravitasinya berada di bawah ambang deteksi “disembunyikan” agar menyerupai keterbatasan observasi kecepatan radial.
AI lalu belajar dari arsitektur sistem yang tersisa, terutama massa dan periode orbit planet terdalam yang terdeteksi. Peneliti juga menimbang pola “peas in a pod”, yakni susunan planet yang mirip ukuran dan jaraknya, dibanding sistem yang lebih acak.
Hasilnya terdengar menggoda: pada ambang suara di atas 90%, presisi mencapai 99% untuk dua populasi bintang bermassa lebih besar. Untuk bintang bermassa paling kecil, presisi turun menjadi 94%, tetap tinggi tetapi mengisyaratkan tantangan pada sistem bintang katai.
Namun presisi bukan jaminan penemuan, karena yang diuji adalah dunia simulasi yang “tahu semua jawaban”. Planet-planet yang diprediksi di sekitar bintang nyata masih harus diuji dengan pengamatan lanjutan, dan itu berarti waktu teleskop serta strategi verifikasi yang ketat.
AI cari planet mirip Bumi berpotensi mengubah permainan, bukan dengan menggantikan astronom, tetapi dengan menghemat sumber daya yang paling mahal: waktu observasi. Jika 44 sistem itu benar-benar kaya planet kecil bersuhu sedang, maka AI telah menjadi kompas yang menuntun pencarian ke area paling menjanjikan.
Tetapi ada risiko “kepastian semu” ketika angka 99% dibaca tanpa konteks. Model yang dilatih dari sistem sintetis bisa mewarisi asumsi pembentukan planet yang tertanam dalam simulasi, sehingga ia cenderung mencari alam semesta yang mirip dengan teori kita.
Di sisi lain, pendekatan ini justru jujur: ia mengakui keterbatasan data observasi dan mencoba menutupinya dengan fisika yang dimodelkan. Kuncinya adalah transparansi metrik lain selain presisi, seperti recall, serta audit bias pada bintang bermassa kecil yang performanya lebih rendah.
Langkah berikutnya harus bersifat kolaboratif dan terukur, misalnya menguji prediksi dengan teleskop generasi baru, menggabungkan data transit, astrometri, dan pencitraan langsung. Tanpa verifikasi, AI hanya menjadi mesin rekomendasi yang pintar, bukan mesin penemu.
Perburuan planet mirip Bumi selalu berada di antara harapan ilmiah dan keterbatasan instrumen, dan AI kini menawarkan jalan pintas yang elegan. Ia menyaring kemungkinan, tetapi alam semesta tetap menuntut bukti melalui foton yang benar-benar tertangkap teleskop.
Mungkin pelajaran terpentingnya bukan sekadar “berapa planet yang bisa ditemukan”, melainkan “bagaimana kita memilih untuk mencari”. Jika AI membimbing mata manusia ke langit yang tepat, apakah kita siap menerima bahwa sebagian besar penemuan masa depan dimulai dari prediksi, bukan pengamatan?
(Orbit dari berbagai sumber, 31 Oktober 2026)
