KECERDASAN BUATAN

Peneliti Jepang latih kecerdasan buatan untuk deteksi abu vulkanik

Cahaya magma di atas kawah Gunung Agung terpantul pada abu vulkanis ketika diabadikan dari Desa Datah, Karangasem, Bali, Jumat (29/6/2018).
Cahaya magma di atas kawah Gunung Agung terpantul pada abu vulkanis ketika diabadikan dari Desa Datah, Karangasem, Bali, Jumat (29/6/2018). | Nyoman Budhiana /Antara Foto

Senin pagi (2/7/2018), Gunung Agung yang terletak di Karangasem, Bali, kembali mengeluarkan letusan sebanyak tiga kali. Masing-masing pada pukul 06:19 WITA, 06:41 WITA, dan 06:55 WITA. Tinggi kolom abu vulkanik tercatat mencapai 2.000 meter di atas puncak kawah.

Sejak pertama kali dilaporkan erupsi pada November 2017, Kepala Bidang Mitigasi Pusat Vulkanologi Mitigasi Bencana Geologi, I Gede Suantika mengatakan, timnya sudah turun mengambil contoh abu vulkanik dan dibawa ke laboratorium di Yogyakarta.

Namun, Suantika mengatakan penelitian abu akan memakan waktu yang cukup lama. Bisa jadi membutuhkan waktu satu bulan lamanya. Bahkan hingga saat ini belum ada kabar terbaru soal itu.

Sementara di Jepang, sekelompok ilmuwan yang dipimpin oleh Daigo Shoji dari Science Institute Tokyo baru saja menunjukkan bahwa sebuah program bernama Convolutional Neural Network (CNN) ternyata bisa dilatih untuk mengelompokkan jenis abu vulkanik.

Hal ini tentu sangat berguna, karena bentuk partikel abu vulkanik erat kaitannya dengan tipe erupsi. Pengelompokkan itu pun dapat membantu para peneliti untuk memberikan informasi seputar letusan dan membantu upaya mitigasi bahaya.

Letusan gunung berapi memang datang dengan berbagai bentuk. Misalnya ledakan seperti di Eyjafjallajökull, Islandia, pada 2010. Kejadian ini sempat membuat penerbangan di Eropa berhenti selama satu minggu penuh.

Bentuk lain, ada juga yang lebih tenang dengan lahar yang mengalir seperti di Hawaii, AS, pada Mei 2018.

Namun, terkadang mekanisme erupsi seperti interaksi air dan magma tak terlalu jelas terlihat dan harus dievaluasi oleh para ahli guna mendeteksi kejadian berikutnya. Seperti yang dilakukan para peneliti pada kasus Gunung Agung, biasanya setelah terjadi letusan para ahli langsung membawa sampel ke laboratorium untuk mengetahui bentuk abunya.

Metode meneliti dengan mata biasa digunakan guna menentukan jenisnya ke dalam katalog. Namun, cara ini relatif lama dan tergantung pada pengetahuan sang ahli yang meneliti.

Penelitian dengan komputerisasi konvensional bisa membantu lebih cepat untuk mengklasifikasikan sesuai dengan parameter objek yang ada, tapi seleksinya sangat tergantung dengan bentuk yang telah dimasukkan ke komputer. Padahal, di alam yang sesungguhnya sangat jarang ditemukan ada satu bentuk yang persis sama satu dengan lainnya.

Sementara CNN adalah teknologi pembelajaran mesin (machine learning) yang mampu mempelajari secara mendalam dengan jaringan saraf tiruan umpan maju (feed-forward). Dan CNN adalah kategori kecerdasan buatan yang mampu meniru kemampuan otak terbaik untuk menganalisis bentuk objek.

Kebetulan, kerja CNN memang sangat mirip dengan otak manusia--hanya saja cara kerjanya ribuan kali lebih cepat. Selain itu, program ini juga dapat disebarluaskan dan meminimalisasi jumlah kebutuhan pada pakar geologi di lapangan.

Proses kerjanya menggunakan perceptron multilapis yang sengaja didesain untuk meminimalisasi prapemrosesan. Pengembangan jaringan fungsi ganda ini terinspirasi dari proses biologis, terutama mengingat hubungan pola antara sel saraf manusia setara dengan pola korteks visual pada hewan.

Sebagai eksperimen, CNN diberikan beberapa gambar berupa ratusan partikel dari empat bentuk basal; yakni padat, berongga, memanjang, dan bulat.

Percobaan yang dilakukan Dr. Shoji ini pun berhasil mengajarkan CNN untuk mengklasifikasikan masing-masing partikel berdasarkan bentuknya yang kompleks. Keberhasilan ini tentu saja dapat menyederhanakan kesulitan yang kerap menjadi kendala, sekaligus memberikan para peneliti peralatan yang lebih canggih untuk bekerja.

Sebelumnya, CNN yang dihubungkan dengan mikroskop juga pernah dilatih untuk meneliti sel kanker dalam gambar jaringan tubuh manusia. Hasil pembelajarannya menemukan bahwa sejauh ini CNN mampu mendeteksi sel kanker payudara dan prostat.

BACA JUGA
Tanya Loper Tanya LOPER
Artikel terkait: SPONSOR