Mahasiswa Fisika UPI Perkenalkan Machine Learning Berbasis Data Eksperimen untuk Prediksi Stabilitas Inti Atom kepada Siswa Menengah

Bandung, Kompasiana.com- 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:  

1. Sangat Stabil (Kelas 0): Inti dengan energi ikat tinggi, rasio N/Z ideal, dan tidak memiliki kecenderungan untuk meluruh.

2. Stabil (Kelas 1): Inti yang stabil tetapi berada di dekat batas zona stabilitas. Biasanya merupakan isotop non-radioaktif.

3. Radioaktif (Kelas 2): Inti yang tidak stabil, mengalami peluruhan untuk mencapai kestabilan.

4. Sangat Radioaktif (Kelas 3): Inti yang sangat tidak stabil dengan waktu paruh sangat pendek. Biasanya ditemukan pada elemen berat seperti uranium atau isotop sintetis.

Sosialisasi kepada siswa dan guru di SMA BPPI baleendah sumber: dokumentasi pribadi

Pada hari Senin, 13 Januari 2025, telah dilaksanakan kegiatan sosialisasi yang mempertemukan mahasiswa Universitas Pendidikan Indonesia (UPI) dengan siswa dan guru SMA BPPI Baleendah. Kegiatan ini bertujuan untuk memperluas pemahaman tentang cara memprediksi dan mengklasifikasikan stabilitas inti atom menggunakan Machine Learning. 

Sosialisasi kepada siswa dan guru di SMA BPPI baleendah sumber: dokumentasi pribadi

Sosialisasi ini menjadi momen penting untuk memperkenalkan konsep modern dalam fisika dan teknologi kepada para siswa SMA, sekaligus memberikan pemahaman yang lebih mendalam kepada para guru. Dengan pendekatan yang interaktif, mahasiswa UPI tidak hanya menjelaskan teori dasar, tetapi juga mempraktikkan cara kerja algoritma Machine Learning dalam menentukan stabilitas inti atom serta simulasinya. 

Penggunaan machine learning di sekolah, sangat penting dalam membekali siswa dengan keterampilan analitis yang dibutuhkan di era digital. Melalui data eksperimen yang ada, siswa dapat belajar bagaimana mengolah data, menerapkan algoritma machine learning, dan menghasilkan prediksi yang akurat. Pengenalan teknologi ini di tingkat sekolah memungkinkan siswa untuk memahami aplikasi machine learning dalam riset ilmiah, seperti fisika nuklir, dan memberikan mereka wawasan praktis tentang cara teknologi ini digunakan untuk memecahkan masalah kompleks. Pendekatan ini diharapkan mampu membuka wawasan baru bagi peserta tentang penerapan teknologi dalam bidang sains. 

Terdapat juga ulasan dari salah satu guru terkait website ini, menurut (Dina Rohmahani, S.Pd.) “Untuk materinya sudah bagus, lengkap, dan lebih memudahkan siswa mengerti stabilitas inti atom itu seperti apa dan lebih memperlihatkan tentang realistiknya jumlah proton, neutron dan nomor massa nya lebih terlihat” ujarnya.

Terdapat juga ulasan lain yang telah menggunakan website ini, menurut (Dcelvin Naufal) guru Kimia di SMA Hayatan Thayyiban “Dari segi tampilan website ini cukup sederhana, dan Machine Learningnya  dapat digunakan dengan sangat baik, namun ada yang perlu ditingkatkan dari website ini materinya ditambahkan penjelasan berupa video, dan tampilan nya dibuat lebih menarik lagi. Adapun menurut  menurut (Mulyono) Staf Pertamina bidang gas “terkait dengan pemahaman stabilitas inti atom ada hubungannya dengan dunia pertamina khususnya dibidang gas dari situs website ini banyak belajar belajar mengenai inti atom sangat berarti dan bisa membuat kemajuan terutama di bidang ini. dan suatu pembelajaran bagi kita semua agar kita bisa lebih maju lagi dalam terkonogi permigasan” ujarnya. Ada juga menurut (Adrian Maruf) Mahasiswa Universitas Indonesia “menurut saya website yang dibuat sudah sangat bagus, tampilan simple tetapi jelas untuk dinavigasi, materinya pun sangat menarik. Tetapi saran saya laman materi yang menjelaskan faktor-faktor stabilitas inti atom dapat dimasukan ke laman simulasi agar kita dapat mengetahui tujuan dan peran-peran dari pada tiap parameter yang bisa divariasikan dalam mempengaruhi klasifikasi stabilitas inti atom tersebut” ujarnya.

Website ini diharapkan menjadi platform inovatif untuk memprediksi dan mengklasifikasikan stabilitas inti atom menggunakan machine learning. Dikembangkan oleh mahasiswa Universitas Pendidikan Indonesia (UPI), website ini mendukung pendidikan, penelitian, dan pengembangan, serta membantu masyarakat memahami manfaat dan risiko material radioaktif, mendorong inovasi di bidang energi dan kesehatan.

Website dapat diakses pada tautan berikut: 

https://stabilitas-inti-atom.vercel.app/index.html