Perpustakaan Digital ITB

Di era modern ini, peran cuaca antariksa terhadap kehidupan di Bumi mulai semakin menuntut. Studi yang mempelajari Matahari sebagai faktor utama penentu cuaca antariksa menjadi semakin penting untuk dilakukan. Salah satu aktivitas Matahari yang paling energetik adalah ledakan Matahari atau solar flare. Ledakan Matahari adalah fenomena letusan energi dan gelombang elektromagnetik yang terjadi pada atmosfer Matahari yang berasal dari rekoneksi magnetik. Hingga saat ini, teori pembentukan ledakan Matahari khususnya konversi energi magnetik ke energi kinetik plasma maupun radiasi yang terjadi pada ledakan Matahari masih belum diketahui dengan baik. Oleh karena itu, model prediksi kemunculan ledakan Matahari dengan performa yang baik masih sulit diperoleh. Pada Tugas Akhir ini, dengan memanfaatkan sepuluh parameter konfigurasi medan magnet fotosfer yang diperoleh dari database SHARP, akan diperoleh dan dibandingkan model-model supervised learning yang diharapkan dapat memprediksi kemunculan ledakan Matahari pada suatu daerah aktif (active region) dalam rentang waktu tertentu. Model-model supervised learning yang digunakan antara lain logistic regression, support vector machine, k-nearest neighbor, dan random forest classifier. Keempat model supervised learning ini dijalankan dalam bahasa pemrograman Python. Dari penelitian ini, penulis mendapatkan hasil bahwa support vector machine memberikan performa prediksi terbaik di antara keempat model supervised learning yang diterapkan. Selain itu, penulis juga mendapati bahwa ketepatan jendela prediksi dalam merepresentasikan proses pra-flare dapat mempengaruhi performa model dalam memprediksi kemunculan ledakan Matahari. Penulis mendapati pula bahwa secara kualitatif, terlihat bahwa parameter ABSNJZH dan SAVNCPP merupakan parameter yang lebih sering menunjukkan fluktuasi yang signifikan selama evolusi daerah aktif menuju ledakan Matahari.