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

Abstrak - VINCENT
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

COVER - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB I - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB II - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB III - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB IV - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

PUSTAKA - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

Penelitian ini berfokus pada identifikasi kandidat lensa gravitasi dari data spektrum Sloan Digital Sky Survey (SDSS) menggunakan model machine learning. Tujuan utama dari penelitian ini adalah untuk membangun spektrum tiruan (mock) yang representatif untuk objek terlensakan pada data spektrum menyerupai Sloan Digital Sky Survey(SDSS) dan menerapkan model machine learning yang dapat mengidentifikasi kandidat lensa gravitasi dengan probabilitas tinggi. Dalam penelitian ini, dua jenis arsitektur model digunakan, yaitu Artificial Neural Network (ANN) dan Convolutional Neural Network (CNN). Data spektrum SDSS digunakan untuk melatih model, di mana dataset positif direpresentasikan oleh spektrum galaksi terlensakan yang dihasilkan secara tiruan (mock) dengan cara menggabungkan dua spektrum galaksi tunggal, sedangkan dataset negatif terdiri dari spektrum galaksi tunggal. Hasil dari model machine learning menunjukkan performa yang baik pada data uji, dengan tingkat akurasi yang tinggi. Namun, ketika model diterapkan pada data kandidat lensa gravitasi dari penelitian terdahulu, model hanya mampu mengidentifikasi beberapa kandidat secara tepat. Hal ini menimbulkan dugaan bahwa mock spektrum yang dibangun masih memiliki keterbatasan dalam merepresentasikan kandidat lensa gravitasi yang sebenarnya, yang kemungkinan disebabkan oleh kompleksitas fenomena lensa gravitasi yang lebih sulit ditiru oleh model sederhana. Meskipun demikian, hasil penelitian ini membuka peluang untuk pengembangan lebih lanjut, baik dalam memperbaiki model machine learning maupun dalam menghasilkan mock spektrum yang lebih representatif. Penelitian ini memberikan wawasan penting dalam penerapan machine learning pada deteksi lensa gravitasi berdasarkan spektrum SDSS, serta menyoroti tantangan dalam membangun spektrum tiruan yang lebih representatif. Hasil ini membuka peluang untuk penelitian lebih lanjut dalam pengembangan mock spektrum yang lebih akurat dan komprehensif.