Bandung, Kompasiana.com-Â Machine learning telah menjadi teknologi revolusioner yang mengubah cara manusia menyelesaikan masalah di berbagai bidang, termasuk fisika nuklir. Dalam konteks stabilitas inti atom, Machine learning menawarkan pendekatan baru yang lebih efisien untuk memprediksi dan mengklasifikasikan kestabilan inti berdasarkan parameter tertentu. Mengintegrasikan pembelajaran tentang Machine learning ke dalam pendidikan, khususnya di tingkat sekolah menengah, dapat memberikan siswa pemahaman tentang potensi besar teknologi ini serta untuk menghadapi tantangan masa depan, termasuk dalam eksplorasi ilmiah dan pengembangan energi berkelanjutan.
Pada umumnya siswa menengah biasanya memahami stabilitas inti atom hanya berdasarkan jumlah proton dan neutron. Namun, data eksperimen dari artikel "The Ame2016 atomic mass evaluation (I & II)" (±2500 data) menunjukkan banyak faktor lain yang memengaruhi stabilitas inti, termasuk maxecsse dan parameter lainnya. Stabilitas inti atom menjadi topik krusial dalam fisika nuklir, terutama dalam memanfaatkan reaksi nuklir secara aman dan efisien, seperti pada pembangkit listrik tenaga nuklir atau pengelolaan limbah radioaktif. Berawal dari tugas mata kuliah Fisika Modern, tiga mahasiswa jurusan Fisika di FPMIPA UPI berhasil menciptakan sebuah inovasi pembelajaran berbasis teknologi. Dalam upaya ini mereka menciptakan inovasi menggunakan Machine Learning untuk menentukan bagaimana prediksi dan klasifikasi stabilitas inti atom. Para mahasiswa tersebut diantaranya Dzulfikar Nasriyan Fadhilah, Merdifa Chiquita Kayla, dan Nabila Putri Rahmadhani. Dengan dosen pengampu mata kuliah fisika modern Dr. Selly Feranie, S.Pd., M.Si., dan Suci Ramayanti, M.Si., Ph.D.,
 Model machine learning yang digunakan berjenis Random Forest, model ini bekerja dengan mengolah data inti atom seperti jumlah proton, neutron, dan energi ikat, dengan menggunakan algoritma klasifikasi yang didukung pemrosesan awal data, termasuk pengkodean parameter fisik dan pelatihan model. Melalui teknologi ini, prediksi stabilitas inti atom dapat dilakukan secara cepat dan akurat, dengan memanfaatkan data input yang dimasukkan pengguna melalui antarmuka website.
Prediksi dan Klasifikasi Stabilitas Inti Atom Menggunakan Machine Learning adalah langkah inovatif untuk memanfaatkan teknologi modern dalam memahami dan mengkategorikan stabilitas inti atom. Website ini bertujuan untuk memprediksi tingkat stabilitas inti atom berdasarkan parameter fisik tertentu menggunakan model machine learning yang diklasifikasikan ke dalam empat kelas: Â
Sangat Stabil (Kelas 0): Inti dengan energi ikat tinggi, rasio N/Z ideal, dan tidak memiliki kecenderungan untuk meluruh.
Stabil (Kelas 1): Inti yang stabil tetapi berada di dekat batas zona stabilitas. Biasanya merupakan isotop non-radioaktif.
Radioaktif (Kelas 2): Inti yang tidak stabil, mengalami peluruhan untuk mencapai kestabilan.
Sangat Radioaktif (Kelas 3): Inti yang sangat tidak stabil dengan waktu paruh sangat pendek. Biasanya ditemukan pada elemen berat seperti uranium atau isotop sintetis.
