Perpustakaan Digital ITB

Supernova merupakan ledakan dahsyat akibat reaksi pelepasan nuklir yang mengakhiri masa hidup sebuah bintang. Supernova penting dipelajari karena memberikan berbagai wawasan salah satunya supernova tipe Ia (SN Ia) dapat dijadikan sebagai standard candle yang dapat membantu pengukuran parameter kosmologi. Zwicky Transient Facility (ZTF) merupakan fasilitas penelitian supernova yang difasilitasi teleskop wide survey dan teleskop yang dilengkapi spektograf. ZTF memiliki sistem yang dapat menyeleksi ratusan ribu objek alert secara otomatis menjadi ratusan kandidat transien setiap malamnya. Namun setelah itu ratusan objek ini harus diseleksi melalui proses memindai kurva cahaya dan citra objek secara manual yang disebuthuman vetting untuk mendapatkan kandidat transien prioritas yang akan dilakukan pengamatan follow up menggunakan spektograf. Tugas akhir ini bertujuan untuk merumuskan pengganti proses human vetting pada ZTF menggunakan klasifikasi kurva cahaya supernova berbasis machine learning. Tugas akhir ini melanjutkan ide dari Dobryakov dkk. (2021) yang menggunakan model Logistic Regression, Random Forest, XGBoost, dan One-Layer Neural Network untuk klasifikasi SN ia memanfaatkan data kurva cahaya filter r dari Open Supernova Catalogue (OSC) dengan performa terbaik dicapai model Random Forest. Pada tugas akhir ini digunakan model yang sama namun diubah parameter modelnya dan juga penambahan layer pada model Neural Network. Selain itu pada tugas akhir ini digunakan data kurva cahaya dari filter g dan filter r dari ZTF alert archive yang juga berpengaruh pada performa model. Didapat model Neural Network yang dilatih menggunakan data kurva cahaya filter g dan filter r memiliki performa terbaik dengan nilai ROC AUC 0,919. Dengan nilai performa model yang tinggi, penentuan objek prioritas kandidat transien menggunakan klasifikasi kurva cahaya objek transien berbasis machine learning berpotensi untuk diajukan sebagai alternatif proses human vetting pada ZTF.