Abstrak - VINCENT
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
COVER - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB I - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB II - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB III - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB IV - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
PUSTAKA - Vincent
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
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.