Revolusi Riset Antariksa BRIN dengan Teknologi AI

Pemanfaatan kecerdasan buatan (artificial intelligence/AI) tidak lagi terbatas pada sektor teknologi konvensional. AI kini menjadi alat andalan dalam riset antariksa, membantu para peneliti untuk menemukan hal-hal baru dan menyelesaikan penelitian dengan lebih efisien. Badan Riset dan Inovasi Nasional (BRIN) telah mengungkapkan bahwa teknologi AI bisa dimanfaatkan secara luas dalam riset antariksa, membuka jalan bagi penemuan-penemuan revolusioner di luar angkasa.

Potensi AI dalam Penelitian Antariksa

Kepala Pusat Riset Antariksa BRIN, Emanuel Sungging, menyatakan bahwa AI memiliki potensi besar untuk memperbarui dan menyempurnakan riset di bidang antariksa. "Sebagai peneliti antariksa, kami berharap agar bisa memanfaatkan teknologi AI untuk menyelesaikan penelitian agar lebih terkini," ujarnya dalam sebuah pernyataan tertulis, dikutip dari detikINET pada Selasa, 16 Juli 2024. 

Teknologi AI dapat membantu dalam berbagai aspek penelitian antariksa, mulai dari analisis data yang lebih cepat dan akurat hingga pembuatan model prediktif yang lebih canggih. Dengan AI, peneliti dapat mengidentifikasi pola dan anomali dalam data yang mungkin terlewatkan oleh metode konvensional.

Demokratisasi AI dengan No-Code Machine Learning

Dalam upaya untuk lebih memudahkan penggunaan AI, Dosen Departemen Ilmu Komputer dan Elektronika, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA), Universitas Gadjah Mada (UGM), Edi Winarko, memaparkan pentingnya penerapan no-code atau tanpa kode pada machine learning (ML). "Pengguna ML saat ini tidak hanya orang dengan latar belakang pendidikan komputer, sehingga dikembangkan tools yang mudah digunakan untuk pemodelan, sehingga mendemokratisasi AI, agar bisa dimanfaatkan untuk membantu dan mempermudah penggunaan ML untuk pekerjaan sehari-hari, diantaranya riset antariksa,"jelasnya. 

Edi menjelaskan bahwa tools no-code ini dirancang untuk mendemokratisasi AI, sehingga dapat digunakan oleh lebih banyak orang, termasuk mereka yang tidak memiliki latar belakang teknis yang kuat. Ini sangat penting dalam konteks riset antariksa, dimana berbagai disiplin ilmu perlu bekerja sama untuk mencapai tujuan yang kompleks.

Tahapan dalam Riset Berbasis Machine Learning

Pada siklus riset berbasis ML, ada beberapa tahapan penting yang harus dilalui:

1. Identifikasi Masalah: Menentukan masalah atau rumusan masalah yang akan dipecahkan.
2. Pengumpulan Data: Mengumpulkan dan memilih data yang relevan. Data ini bisa berasal dari berbagai sumber seperti data publik, API (seperti Twitter API, WikipediaAPI, WeatherAPI) atau web scraping.
3. Pemilihan Algoritma: Memilih algoritma ML yang sesuai untuk masalah yang dihadapi.
4. Evaluasi Kinerja Model: Mengevaluasi kinerja model ML yang telah dibuat untuk memastikan keakuratannya.
5. Operasionalisasi Model: Mengimplementasikan model dalam operasi sehari-hari.

Pentingnya Data Berkualitas dalam Riset Antariksa

Kualitas data sangat penting dalam riset berbasis ML. Data harus melalui proses pemrosesan seperti data cleaning untuk menangani missing value dan outlier, transformasi data melalui normalisasi, standarisasi, diskretisasi, dan reduksi data. Edi Winarko juga memaparkan dua alat ML yang bisa digunakan dalam riset antariksa: Orange Data Mining dan PyCaret.

• Orange Data Mining: Alat sains data berbasis open source yang digunakan untuk analisis pemodelan berbagai jenis data. Dengan menggunakan workflow, peneliti bisa menghubungkan berbagai widget untuk melakukan analisis data.
• PyCaret: Alat sains data low-code open source yang mencakup semua tahap dalam siklus proyek ML. PyCaret bisa dikombinasikan dengan tools visualisasi data seperti Tableau dan Power BI.

Menuju Smart Nation dengan Society 5.0

Dosen Departemen Ilmu Komputer dan Elektronika FMIPA UGM, Lukman Heryawan, menekankan pentingnya interkoneksi antara manusia dan mesin dalam mewujudkan smart nation dengan Society 5.0. "Hubungan smart nation terlihat dari bagaimana hubungan antara user (masyarakat) dan big data yang datanya tersimpan di cloud. AI dapat membantu dalam pekerjaan sehingga data antariksa yang dianalisis terekam dalam cloud," jelasnya.

Lukman menambahkan bahwa suplai data berkualitas sangat penting untuk mencegah terbentuknya big 'junk' data. "Manusia menyuplai data berkualitas untuk disimpan di cyberspace sehingga AI dapat memberikan respon yang berkualitas," tambahnya.

AI sebagai Pendamping Manusia

AI berperan sebagai pendamping manusia dalam menyuplai data yang terstruktur untuk kebutuhan otomatisasi dan administrasi. Tanpa interaksi antara manusia dan AI, suplai data yang dihasilkan bisa menjadi tidak berguna. Oleh karena itu, integrasi antara big data, AI, dan interaksi manusia yang efektif sangat penting dalam membangun smart nation.

Dalam konteks riset antariksa, AI tidak hanya membantu dalam analisis data, tetapi juga dalam proses pengambilan keputusan yang lebih cepat dan akurat. Dengan memanfaatkan AI, peneliti dapat mengeksplorasi berbagai kemungkinan baru, mempercepat kemajuan ilmiah, dan membuka jalan bagi penemuan-penemuan revolusioner di luar angkasa. 

Teknologi AI, dengan segala potensinya, tidak hanya meningkatkan efisiensi dan akurasi riset antariksa, tetapi juga memperluas cakrawala manusia dalam memahami alam semesta. Sebagai bagian dari upaya global untuk mengeksplorasi luar angkasa, AI menjadi kunci utama dalam memajukan ilmu pengetahuan dan teknologi antariksa.