Perpustakaan Digital ITB

Bintang katai putih merupakan fase terakhir dalam evolusi sebagian besar bintang. Diperkirakan sekitar 97% dari seluruh bintang akan mengakhiri siklus hidupnya secara pasif dengan melepaskan lapisan luar dan berubah menjadi katai putih. Studi mengenai katai putih akan memberikan informasi mengenai evolusi bintang dari awal hingga akhir. selain itu, dengan mempelajari katai putih maka akan diperoleh informasi mengenai evolusi kimia di galaksi kita. Tidak hanya itu, proses evolusi katai putih juga akan memberikan kita pengetahuan mengenai sifat materi dalam keadaan terdegenerasi. Pada pengerjaan Tugas Akhir ini, akan dilakukan klasifikasi untuk menentukan subkelas katai putih dan regresi parameter fisis dari katai putih berupa temperatur efektif dan gravitasi permukaan. Metode yang digunakan yaitu Random Forest. Random Forest merupakan metode machine learning yang dibangun dari beberapa decision tree untuk melakukan tugas klasifikasi dan regresi. Untuk mendapatkan nilai parameter fisis serta klasifikasi subkelas katai putih, pengerjaan Tugas Akhir ini akan memanfaatkan spektrum dari katai putih dengan panjang gelombang sebagai fiturnya. Spektrum katai putih yang digunakan pada Tugas Akhir ini diperoleh dari data Gaia DR3 dan LAMOST DR8. Dalam klasifikasi, pengerjaan Tugas Akhir ini akan mengklasifikasikan dua subkelas katai putih, yaitu subkelas DA dan DAZ. Hasil dari klasifikasi ini kemudian akan dibandingkan dengan paper Echeverry, D., dkk. (2022). yang memisahkan objek antara katai putih, bintang deret utama kelas M dan bintang ganda deret utama-katai putih. Sedangkan hasil dari regresi akan dibandingkan dengan error yang diperoleh dari intrumen pengamtan dan tersedia pada database. Didapatkan akurasi untuk proses klasifikasi mencapai nilai 90% sedangkan error pada parameter fisis lebih baik dibandingkan dengan error pada instrumennya.