digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Hasanain Arrosyid Alfiansyah
PUBLIC Alice Diniarti

COVER Hasanain Arrosyid Alfiansyah
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 1 Hasanain Arrosyid Alfiansyah
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 2 Hasanain Arrosyid Alfiansyah
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 3 Hasanain Arrosyid Alfiansyah
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 4 Hasanain Arrosyid Alfiansyah
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 5 Hasanain Arrosyid Alfiansyah
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

PUSTAKA Hasanain Arrosyid Alfiansyah
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

Bintang neutron merupakan salah satu objek di alam semesta dengan kepadatan yang sangat tinggi. Kerapatan yang tinggi pada bintang neutron khususnya pada bagian yang lebih dalam memungkinkan materi berada dalam wujud partikel kuantum. Maka dari itu, bintang neutron menjadi laboratorium alami yang penting tidak hanya bagi teori struktur bintang, tetapi juga bagi teori fisika partikel secara umum. Namun, mempelajari struktur bintang neutron bukanlah suatu yang mudah. Struktur bintang neutron dapat diwakili dengan deskripsi persamaan keadaan berupa persamaan tekanan terhadap densitas dari pusat hingga permukaannya. Sejauh ini, teori nuklir yang diajukan untuk membangun persamaan keadaan cocok satu sama lain untuk daerah dengan densitas kurang dari densitas saturasi ?0 = 2.7×1017 kg/m3. Namun, untuk daerah dengan densitas yang lebih tinggi dari densitas saturasi, persamaan keadaan yang dibangun dari teori mulai tidak cocok satu sama lain. Oleh karena itu, dibutuhkan pendekatan lain yang bebas dari asumsi atau model awal untuk membangun persamaan keadaan bintang neutron, salah satunya dengan metode deep learning yang ditinjau dalam tugas akhir ini. Tugas akhir ini menggunakan salah satu metode machine learning, yaitu deep learning/neural network, dengan tujuan untuk memprediksi persamaan keadaan dari data pengamatan massa dan radius bintang neutron beserta galatnya. Data training dan validasi disiapkan secara sintesis yang terdiri dari nilai massa, radius, beserta galatnya untuk input layer serta nilai parameter cs = dP/d? untuk output layer dengan menggunakan model persamaan keadaan teoritis FPS. Data untuk prediksi didapat dari berbagai pengamatan sinar-x yang berupa data probabilitas gabungan massa-radius dari 14 bintang neutron. Hasil prediksi menunjukkan tren paremeter cs yang dihasilkan mirip jika dibandingkan referensi utama (Yuki, F, dkk 2019) yang melakukan studi yang sama dengan menggunakan model persamaan keadaan teoritis Sly4 tetapi dengan kenaikan dan penurunan nilai yang lebih tajam. Akibatnya, persamaan keadaan yang didapatkan dari hasil training tidak terlalu cocok dengan pekerjaan terdahulu khususnya untuk daerah densitas yang lebih tinggi. Persamaan keadaan yang didapatkan lebih cocok dengan model teori Sly4 (F. Douchin dan P. vii Haensel, 2001) dan ENG (L. Engvik, dkk, 1996) begitu pula dengan kurva massa-radius yang dihasilkan. Selain itu, bintang neutron yang diprediksi oleh penelitian TA ini lebih masif dan kompak dibandingkan referensi utama.