BADAN Riset dan Inovasi Nasional (BRIN) mengembangkan sistem akal imitasi (AI) berbasis multimodal deep learning untuk memprediksi kekuatan medan magnet badai matahari. Medan magnet menjadi faktor utama dalam menentukan tingkat bahaya badai matahari terhadap Bumi. Sistem AI ini dapat memberikan peringatan dini hingga 96 jam atau empat hari sebelum badai mencapai Bumi.
“Sama seperti menghadapi badai di daratan, kita juga perlu mengetahui seberapa kuat badai matahari agar dapat menyiapkan langkah mitigasi yang tepat,” kata peneliti Pusat Riset Antariksa BRIN, Tiar Dani, melalui keterangan tertulis, 25 Juni 2026.
Scroll ke bawah untuk melanjutkan membaca
Ia menjelaskan, tingkat keparahan badai matahari sangat dipengaruhi oleh arah medan magnet antarplanet yang dibawanya. Dalam fisika antariksa, komponen ini dikenal sebagai Bz. Jika arah medan magnet antarplanet tersebut mengarah ke selatan dalam rentang waktu beberapa jam, maka interaksinya dengan medan magnet Bumi akan menjadi jauh lebih kuat.
Kondisi ini dapat dianalogikan seperti sebuah kunci yang berhasil membuka gerbang pertahanan. Medan magnet Bumi yang selama ini berfungsi sebagai perisai pelindung akan menjadi lebih mudah ditembus oleh partikel dan energi dari Matahari. Akibatnya, berbagai gangguan dapat terjadi, mulai dari munculnya badai geomagnetik hingga gangguan pada satelit, sistem navigasi, komunikasi radio, bahkan jaringan listrik.
Namun, memprediksi arah dan waktu komponen Bz saat mencapai minimumnya bukanlah perkara mudah. Ini menjadi salah satu persoalan terbesar dalam fisika matahari dan cuaca antariksa yang dikenal dengan istilah “The Bz Problem.”
Oleh karena itu, Tiar Dani dan tim mengembangkan sistem AI berbasis multimodal deep learning yang dinamakan Bz4SWx. Sistem ini dirancang untuk memprediksi berapa nilai minimum Bz dan kapan waktu mencapai minimum tersebut dalam jendela waktu 96 jam sejak lontaran massa korona terjadi. Hal ini berkaitan dengan seberapa besar potensi akan terjadinya badai geomagnet.
Cara kerja sistem AI yang dikembangkan BRIN untuk memprediksi badai matahari. Dok. Humas BRIN
Untuk membayangkan seberapa besar bahayanya, kekuatan badai geomagnetik yang dipicu oleh turun secara drastisnya nilai Bz ini dapat diklasifikasikan dalam skala ringan (G1) hingga ekstrem (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),” katanya.
Pada tingkat ini, sambung dia, ancamannya sangat nyata dan destruktif. Arus listrik induksi yang masif dapat merusak transformator hingga memicu pemadaman listrik total (seperti peristiwa di Quebec tahun 1989), memutus komunikasi radio navigasi penerbangan secara global, hingga meningkatkan kerapatan atmosfer atas yang mampu menarik jatuh puluhan satelit dari orbitnya.
Cara Kerja
Tiar menguraikan cara kerja Bz4SWx dapat dianalogikan seperti seorang dokter spesialis yang sedang mendiagnosis kondisi pasien. Seorang dokter tidak hanya mengukur suhu tubuh pasien, tetapi juga memanfaatkan berbagai informasi tambahan seperti hasil rontgen untuk memperoleh diagnosis yang lebih akurat.
Demikian pula dengan Bz4SWx. Model ini tidak hanya menganalisis kecepatan dan arah CME, tetapi juga mempelajari citra medan magnet Matahari yang dikenal sebagai magnetogram saat terjadinya peristiwa CME. Data tersebut memberikan gambaran detail mengenai kondisi daerah aktif di permukaan Matahari yang menjadi 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,” ucap Tiar.
Keunggulan lain dari Bz4SWx adalah penggunaan teknologi attention mechanism, salah satu inovasi penting dalam perkembangan AI modern. Teknologi ini memungkinkan sistem untuk memusatkan perhatian pada informasi yang paling relevan yang terdapat pada citra magnetogram tersebut. “Cara kerjanya mirip dengan mata manusia yang secara otomatis akan tertuju pada objek yang paling mencolok atau berpotensi berbahaya di sekitarnya,” tutur Tiar.
Dalam konteks pengamatan Matahari, AI akan secara otomatis mengidentifikasi dan memfokuskan analisisnya pada daerah-daerah aktif yang memiliki potensi terbesar menghasilkan badai geomagnetik kuat. Dengan demikian, sistem dapat mengekstraksi informasi penting yang sebelumnya sulit dikenali melalui metode konvensional.
Hasil penelitian menunjukkan pendekatan berbasis AI ini mampu memprediksi intensitas magnetik badai matahari dengan tingkat akurasi yang menjanjikan. Lebih penting lagi, sistem dapat memberikan peringatan dini hingga 96 jam atau empat hari sebelum badai mencapai Bumi.
Rentang waktu tersebut sangat berharga bagi operator satelit, pengelola jaringan listrik, penyedia layanan komunikasi, serta berbagai sektor yang bergantung pada teknologi ruang angkasa. “Dengan informasi yang lebih cepat dan akurat, langkah mitigasi dapat dilakukan lebih awal untuk meminimalkan risiko gangguan yang ditimbulkan oleh cuaca antariksa ekstrem,” katanya.
Pengembangan Bz4SWx menunjukkan AI berperan penting dalam memberikan kontribusi terhadap salah satu tantangan terbesar dalam fisika matahari. Dengan riset ini, Tiar berharap Indonesia selangkah lebih maju dalam membangun sistem peringatan dini cuaca antariksa yang komprehensif.
‘‘Ke depan, model prediksi ini akan terus diperkuat dan diintegrasikan di bawah payung inisiatif Research in AI for Space (R.A.I.Se) yang berada di Kelompok Riset Matahari dan Aktivitasnya di Pusat Riset Antariksa BRIN. 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,” ujar dia.
