Waktu Kurang dari Satu Detik Memprediksi Dampak Tsunami – Bencana tsunami yang menimpa timur laut Jepang pada tahun 2011 menyebabkan banyak korban jiwa yang mencapai 18.500 orang. Seandainya peringatan dini tentang tsunami telah dipasang dengan akurasi yang sempurna, maka nyawa banyak manusia bisa selamat dari bencana tersebut. Namun, kini Jepang telah memiliki jaringan sensor terbesar di dunia untuk memantau pergerakan dasar laut. Sebanyak 150 stasiun lepas pantai membentuk jaringan ini untuk memberikan peringatan dini tentang tsunami.
Data yang dihasilkan oleh sensor perlu diubah menjadi tinggi dan luasan tsunami di sepanjang garis pantai. Namun, untuk mengolah data tersebut memerlukan penyelesaian persamaan nonlinear yang sulit secara numerik dan memakan waktu sekitar 30 menit pada komputer standar. Ini menjadi tantangan bagi para ilmuwan dan teknolog untuk menghasilkan data tinggi dan luasan tsunami dengan lebih cepat dan akurat. Hal ini menunjukkan betapa pentingnya sains dan teknologi velvetmedia.id dalam mencegah bencana alam dan melindungi kehidupan manusia.
Saat ini, Iyan Mulia dari Laboratorium Ilmu Prediksi RIKEN dan rekan-rekannya telah berhasil mengoptimalkan penggunaan teknologi pembelajaran mesin (machine learning) untuk memangkas waktu perhitungan dalam memprediksi tsunami menjadi kurang dari satu detik. RIKEN, lembaga penelitian terbesar dan terkenal di Jepang, telah memberikan kontribusi besar dalam pengembangan ilmu pengetahuan dan teknologi yang berkualitas tinggi.
Metode yang digunakan oleh tim Iyan Mulia memiliki keunggulan utama terletak pada kecepatan prediksi yang sangat penting dalam upaya peringatan dini. Jika menggunakan model pembelajaran konvensional, prediksi dapat dilakukan setelah 30 menit, yang terlambat dalam upaya menghadapi tsunami. Namun, model yang dikembangkan oleh tim Iyan Mulia dapat mencapai prediksi dalam hitungan detik.
Dalam upaya mengembangkan model ini, tim RIKEN telah melatih sistem pembelajaran mesin menggunakan lebih dari 3.000 peristiwa tsunami yang dihasilkan oleh komputer. Kemudian, mereka mengujinya dengan 480 skenario tsunami lainnya dan tiga tsunami sebenarnya. Hasilnya, model berbasis pembelajaran mesin tersebut mencapai akurasi yang sebanding dengan hanya 1% upaya komputasi.
Dalam hal ini, teknologi dan sains telah memberikan kontribusi besar dalam mengoptimalkan cara kita memprediksi bencana alam. Dengan penggunaan teknologi pembelajaran mesin yang semakin berkembang, kemampuan manusia dalam memahami alam semakin meningkat. Tim Iyan Mulia merupakan contoh nyata dari bagaimana teknologi dan sains dapat memberikan manfaat yang besar bagi manusia.
Baca juga: Rahasia Cokelat Terasa begitu Enak Sensasi Lumer di Mulut
Pendekatan pembelajaran mendalam (deep learning) dapat diaplikasikan pada skenario bencana lainnya yang memerlukan waktu yang sangat penting. Menurut Iyan Mulia, metode ini dapat digunakan untuk memprediksi bencana apa pun yang batas waktunya sangat terbatas. Mulia pertama kali tertarik mempelajari tsunami setelah peristiwa tsunami Samudera Hindia pada tahun 2004 yang terjadi di negara asalnya, Indonesia.
Saat ini, Mulia sedang mengerjakan prediksi gelombang badai dengan menggunakan teknologi pembelajaran mesin. Namun, ia mencatat bahwa metode ini hanya akurat untuk tsunami besar yang lebih tinggi dari 1,5 meter dan sedang berusaha meningkatkan akurasinya untuk tsunami yang lebih kecil.
Menurut Mulia, dalam situasi bencana apa pun, waktu yang sedikit bahkan sepersekian detik sangatlah berharga dan krusial untuk menyelamatkan nyawa. Oleh karena itu, teknologi peringatan dini ini berpotensi untuk menyelamatkan banyak nyawa dalam situasi genting semacam itu. Hasil studi Mulia dan rekan-rekannya telah dipublikasikan pada 19 September 2022 dalam jurnal Nature Communications dan menunjukkan bahwa sains dan teknologi dapat digunakan untuk meningkatkan keselamatan di masa depan.