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

ABSTRAK Aulia Taqiaturrahmah
PUBLIC Irwan Sofiyan

Pengamatan supernova Ia menunjukkan bahwa alam semesta mengembang dipercepat. Materi generik tidak bisa menjelaskan fenomena tersebut, sehingga diusulkan penambahan komponen dark energy dengan tekanan negatif. Konstanta kosmologi merupakan model dark energy yang paling sederhana, namun terkendala masalah skala energi dan masalah coincidence. Untuk mengatasi kedua masalah konstanta kosmologi ini diusulkan berbagai model dark energy dinamis berupa medan skalar, seperti quintessence, k-essence, dan phantom. Sebuah model medan skalar dinilai lebih sukses jika dapat mengakomodasi rentang nilai awal atau basin of attraction yang luas dan berevolusi konvergen menuju kondisi saat ini. Akan tetapi keleluasaan nilai awal model-model medan skalar yang diusulkan tersebut masih relatif sempit. Model -attractor kemudian menjadi usulan yang diharapkan memiliki basin of attraction yang lebih luas dengan properti attractor. Dinamika -attractor dipengaruhi oleh parameter potensialnya. Parameter berperan mengatur skala, sedangkan parameter pangkat p dan n berperan mengatur bentuk potensial. Nilai awal medan juga menentukan ketercapaian hasil evolusi -attractor dalam memenuhi kendala pengamatan dengan set nilai-nilai parameter tertentu. Parameter lain, yaitu c, ditentukan melalui relasi closure setelah hasil evolusi -attractor diperoleh, sehingga rapat energi saat ini sesuai dengan kendala pengamatan. Uji kestabilan dilakukan dengan metode autonomous, yang mendeskripsikan perilaku di sekitar titik-titik kritis. Diperoleh interpretasi sis bahwa model -attractor berevolusi mengikuti persamaan dinamika alam semesta yang melalui era dominasi materi generik dan dark energy. Hasil analisis untuk potensial Starobinsky, yaitu model - attractor dengan = 1, p = 2, dan n = 1, menunjukkan bahwa terdapat solusi percepatan pengembangan alam semesta yang stabil. Analisis statistik dengan metode Markov Chain Monte Carlo dilakukan menggunakan data supernova Ia, CMB, dan BAO. Data CMB diharapkan memberikan kendala paling ketat. Namun karena waktu running dan kurangnya jumlah iterasi menghasilkan kendala yang belum cukup baik.