EKSPERIMEN ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI BINTANG VARIABEL DENGAN DATASET KURVA CAHAYA OGLE TUGAS AKHIR Karya tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana dari Institut Teknologi Bandung Oleh: ABDIEL JEREMI 103 14 017 KELOMPOK KEILMUAN ASTRONOMI PROGRAM STUDI ASTRONOMI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI BANDUNG 2018 EKSPERIMEN ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI BINTANG VARIABEL DENGAN DATASET KURVA CAHAYA OGLE Oleh: Abdiel Jeremi NIM: 103 14 017 Program Studi Astronomi Institut Teknologi Bandung Menyetujui Dosen Pembimbing Tanggal........................................................ (Dr. Mahasena Putra, M.Sc.) NIP: 132061763 Tim Penguji: 1. Dr. Muhamad Irfan Hakim, M.Si. 2. Dr. Dhani Herdiwijaya, M.Sc. 3. Lucky Puspitarini, Ph.D. ABSTRAK Kata kunci: pembelajaran mesin,random forest, klasikasi, bintang variabel Random forestadalah sebuah algoritma pembelajaran mesin yang dapat di- gunakan secarasupervised(terawasi). Karena itu, algoritma ini dapat digunakan untuk memprediksi luaran dari sebuah kasus berdasarkan pengetahuan akan data yang sudah ada.Random forestdibangun atas metodedecision trees, yakni algori- tma pembelajaran mesin yang menyusun pohon keputusan berdasarkan daya pisah tur-tur dalam data.Decision treesmenghasilkan pohon keputusan yang dapat digunakan untuk memprediksi luaran dari dataset baru. Metoderandom forestadalah pengembangan daridecision treesdengan konsep bootstrappingdan agregasi. Pengacakan tur dan sampel yang dipakai (bootstrap- ping) menghasilkan pohon-pohon yang unik. Dalam kasus klasikasi, agregasi oleh sebuah modelrandom forestmenghasilkan luaran berupa kelas denganvoteterba- nyak oleh pohon-pohon keputusan dalamrandom forest. Salah satu aplikasirandom forestadalah dalam otomasi klasikasi bintang va- riabel berdasarkan kurva cahaya. Dalam pekerjaan ini, performa modelrandom forestuntuk klasikasi bintang variabel bernama UPSILoN diuji dengan data kurva cahaya dari survei OGLE pada pita fotometri CousinsI. Dalam pengujian, model memprediksi kelas atau subkelas sebuah bintang berdasarkan 16 tur kurva cahaya OGLE. Terdapat 7 kelas dalam model UPSILoN, yakniScuti, RR Lyrae, Cepheid, Type II Cepheid,eclipsing binary,long-period variable, dannon-variable. Hasil prediksi model dicocokkan dengan kelas atau subkelas variabilitas kurva cahaya tersebut menurut survei OGLE.