2025-07-14T11:00:26Z

---

Para astronom tertarik untuk menemukan planet-planet yang mirip dengan Bumi, baik dari segi ukuran, komposisi, maupun suhu. Planet-planet ini dikenal sebagai planet mirip Bumi. Namun, usaha ini dihadapkan pada berbagai tantangan yang signifikan. Planet kecil yang berbatu, misalnya, sulit untuk ditemukan karena metode pencarian planet yang ada saat ini lebih condong pada raksasa gas. Untuk sebuah planet bisa dianggap mirip dengan Bumi dalam hal suhu, planet tersebut harus berada pada jarak yang sebanding dari bintang induknya, mirip dengan jarak Bumi mengelilingi Matahari, yang berarti membutuhkan waktu sekitar satu tahun untuk menyelesaikan satu orbit. Hal ini menciptakan tantangan tambahan bagi para astronom yang mencoba menemukan planet mirip Bumi, karena pencarian untuk planet tersebut di sekitar satu bintang saja memerlukan dedikasi pengamatan teleskop secara terus menerus selama lebih dari satu tahun.

Dalam upaya menghemat waktu operasional teleskop, para ilmuwan perlu menemukan cara baru untuk mengidentifikasi bintang-bintang yang merupakan kandidat yang baik untuk pencarian mendalam sebelum mengalokasikan sumber daya untuk melakukan pengamatan. Sebuah tim astronom melakukan penyelidikan untuk menentukan apakah sifat-sifat yang dapat diamati dari sistem planet dapat menunjukkan keberadaan planet mirip Bumi. Mereka menemukan bahwa susunan planet yang diketahui dalam sistem tersebut, serta massa, radius, dan jarak planet terdekat dari bintangnya, dapat digunakan untuk memprediksi kemungkinan adanya planet mirip Bumi.

Tim ini kemudian menguji seberapa baik machine learning dapat menangani tugas ini. Mereka mulai dengan membuat set sampel sistem planet dengan dan tanpa planet mirip Bumi. Astronom telah menemukan sekitar 5.000 bintang di langit yang memiliki exoplanet, sehingga ukuran sampel ini terlalu kecil untuk melatih program machine learning. Untuk itu, tim ini menciptakan tiga set sistem planet menggunakan kerangka komputasi yang mensimulasikan bagaimana planet terbentuk, yang dikenal sebagai model Bern.

Model Bern dimulai dengan 20 kumpulan debu berukuran 600 meter, atau sekitar 2.000 kaki. Kumpulan-kumpulan debu ini memicu pengumpulan gas dan debu menjadi planet berukuran penuh yang terbentuk selama 20 juta tahun. Kemudian, sistem planet tersebut berevolusi selama 10 miliar tahun hingga mencapai keadaan akhir, yang disebut sistem planet sintetis, yang dimasukkan ke dalam dataset oleh para astronom. Mereka menggunakan model ini untuk menciptakan 24.365 sistem dengan bintang seukuran Matahari, 14.559 sistem dengan bintang setengah ukuran Matahari, dan 14.958 sistem dengan bintang yang seukuran seperlima Matahari. Mereka juga membagi masing-masing kelompok ini menjadi dua sub-kelompok, termasuk satu kelompok dengan planet mirip Bumi dan yang lainnya tanpa planet mirip Bumi.

Dengan dataset yang lebih besar ini, tim kemudian menguji apakah teknik machine learning yang disebut model Random Forest dapat mengategorikan sistem planet ke dalam kategori yang kemungkinan memiliki planet mirip Bumi dan yang tidak. Dalam Random Forest, semua keluaran adalah benar atau salah, dan berbagai bagian dari program, yang disebut pohon, mengambil keputusan pada bagian-bagian kecil dari keseluruhan dataset pelatihan. Tim ini memutuskan bahwa jika sebuah sistem planet kemungkinan memiliki satu atau lebih planet mirip Bumi, maka Random Forest harus menganggapnya “benar.” Para peneliti menguji algoritma mereka untuk akurasi menggunakan metrik yang dikenal sebagai skor presisi.

Mereka mengatur Random Forest untuk membuat keputusan berdasarkan faktor-faktor tertentu dalam setiap sistem planet sintetis. Faktor-faktor ini termasuk susunan planet yang dapat ditemukan oleh astronom jika mereka mengamati sistem kehidupan nyata yang serupa, berapa banyak planet dalam sistem tersebut, berapa banyak planet yang lebih besar dari 100 kali massa Bumi di dalam sistem, serta ukuran dan jarak planet terdekat dari bintang. Tim ini menggunakan 80% dari sistem planet sintetis sebagai data pelatihan dan menyisakan 20% sisanya untuk pengujian pertama algoritma yang telah selesai.

Tim menemukan bahwa model Random Forest mereka memprediksi di mana planet mirip Bumi kemungkinan ada dengan skor presisi 0,99, yang berarti model tersebut benar mengidentifikasi sistem dengan planet mirip Bumi 99% dari waktu. Setelah kesuksesan ini, mereka menguji model mereka pada data nyata untuk 1.567 bintang dalam rentang ukuran yang serupa yang dikenal memiliki setidaknya satu planet yang mengorbit mereka. Dari jumlah tersebut, 44 bintang lolos ambang batas algoritma mereka untuk memiliki planet mirip Bumi. Tim ini menyarankan bahwa sebagian besar sistem dalam subset ini tidak akan hancur jika planet mirip Bumi ada di dalamnya.

Para peneliti menyimpulkan bahwa model mereka dapat mengidentifikasi bintang-bintang kandidat untuk planet mirip Bumi, tetapi dengan beberapa caveat. Salah satunya adalah bahwa data pelatihan mereka masih terbatas, karena menghasilkan sistem planet sintetis memakan waktu dan biaya yang tinggi. Namun, caveat yang lebih besar adalah bahwa mereka mengasumsikan model Bern secara akurat mensimulasikan pembentukan planet. Mereka menyarankan agar para peneliti menguji validitas model tersebut secara ketat untuk pekerjaan teoritis di masa depan.