Implementasi Deep Learning untuk klasifikasi bentuk galaksi

Abstract

Miliaran galaksi di alam semesta dapat dibedakan berdasarkan morfologi visual atau bentuknya yaitu : spiral, elips, dan tidak beraturan. Morfologi ini juga diyakini dapat memberikan petunjuk mengenai sejarah dinamis galaksi dan menjadi informasi penting dalam menganalisis suatu galaksi. Untuk itu, dilakukan survei galaksi yang dapat membantu klasifikasi galaksi. Inspeksi visual serta citra membutuhkan waktu untuk didapatkan sehingga diperlukan otomatisasi. Klasifikasi bentuk galaksi dengan 9000 citra ini mengimplementasikan teknik Deep Learning dengan menggunakan metode Convolutional Neural Network (CNN). Pengujian klasifikasi ini dilakukan dengan tiga model arsitektur yang berbeda-beda menunjukkan bahwa : uji model mengenai bentuk galaksi memiliki akurasi terbesar diperoleh arsitektur pertama sebesar 64,5% (data training) dan 62,5% (data validasi) untuk arsitektur pertama sedangkan uji model mengenai hasil survei memiliki loss mencapai hampir 0,00125%.