Perpustakaan Digital ITB

Teleskop Ruang Angkasa Kepler diluncurkan pada tahun 2009 untuk mendeteksi planet-planet seukuran Bumi menggunakan metode transit fotometri, dengan melakukan survei wilayah Galaksi Bima Sakti. Kepler telah mengamati sekitar 200,000 bintang dan berhasil menemukan lebih dari 2,000 eksoplanet terkonfirmasi. Misi ini juga ditujukan untuk mengkarakterisasi planet-planet seukuran Bumi atau lebih kecil di/dekat zona habitasi, namun planet-planet ini berada di ujung sensitivitas deteksi misi sehingga sedikit sulit untuk diidentifikasi. Studi populasi eksoplanet membutuhkan automasi dan akurasi dalam menilai kemungkinan bahwa sebuah kandidat planet memang benar-benar sebuah planet, bahkan pada signal-to-noise yang rendah. Astronet merupakan sebuah model deep learning untuk mengidentifikasi eksoplanet pada kurva cahaya bintang. Astronet menggunakan model convolutional neural network yang sudah digunakan secara luas di berbagai subjek. Tugas Akhir ini menguji kembali model untuk mendapatkan hasil yang sesuai dengan penelitian awalnya. Model ini dapat memprediksi apakah sinyal pada kurva cahaya merupakan sebuah planet atau merupakan false positive yang datang dari kesalahan instrumen atau fenomena lain dengan akurasi 0.96 dan skor AUC 0.98. Performa model sangat efektif dalam pemeringkatan kandidat individu berdasarkan kemungkinan bahwa mereka memang benar-benar merupakan sebuah planet. Model diterapkan pada set kandidat sinyal yang telah diidentifikasi dari sistem planet Kepler yang telah diketahui.