Perpustakaan Digital ITB

Dalam studi kosmologi dan ekstragalaksi, penentuan jarak galaksi merupakan hal penting karena jarak digunakan untuk mengukur parameter sis utama galaksi, seperti massa, luminositas, laju pembentukan bintang, dan metalisitas. Dengan model kosmologi tertentu, jarak dapat dihitung dari pergeseran merah. Pergeseran merah yang akurat hanya dapat diperoleh dari pengamatan spektroskopi. Namun, pengamatan spektroskopi terbatas pada objek yang terang dan jumlah objek yang dapat diamati dalam satu medan pandang lebih sedikit dibandingkan pengamatan fotometri yang dapat mengamati objek yang lebih redup dan lebih banyak objek dalam satu medan pandang. Penelitian ini menggunakan data SDSS DR 10 dan jumlah data fotometri (citra) hampir 250 kali lipat dari jumlah data spektroskopi (spektrum). Pengukuran pergeseran merah fotometrik dapat dilakukan diantaranya dengan membandingkan kurva SED dari galaksi elips yang telah diketahui pergeseran merah spektroskopiknya dengan galaksi elips yang ingin diukur pergeseran merahnya secara fotometrik. Metode lainnya adalah dengan melakukan regresi linier ataupun non-linier, dengan mengasumsikan pergeseran merah sebagai fungsi dari magnitudo pada setiap Fillter. Pada penelitian ini, diajukan sebuah metode yang menggunakan citra galaksi utuh pada setiap flter dari data SDSS DR 10 dan Deep Neural Networks (DNN) untuk mengukur pergeseran merah fotometrik. DNN dapat mengenali pola yang kompleks dan tur yang unik dari informasi uks (magnitudo) galaksi per piksel dalam sebuah citra yang merepresentasikan pergeseran merahnya. Pada penelitian ini digunakan arsitektur DenseNet sebagai arsitektur DNN.