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.