Hak Cipta

Dilindungi Undang-undang

SOAL
KOMPETISI SAINS NASIONAL

ASTRONOMI
Ronde : Analisis Data
Waktu : 180 menit

KEMENTERIAN PENDIDIKAN KEBUDAYAAN RISET DAN TEKNOLOGI

Pusat Prestasi Nasional
Tahun 2021
 KEMENTERIAN PENDIDIKAN KEBUDAYAAN RISET DAN TEKNOLOGI

PUSAT PRESTASI NASIONAL

Dalam naskah ini ada 2 soal essai panjang. Daftar konstanta dan data astronomi ditampilkan
seluruhnya di laman KSN Astronomi dan atau terseleksi seperlunya di tiap soal.

1. Koreksi dead-time detektor

[©2021, HLM/Puspresnas]
Detektor Photomultiplier (PMT) cacah pulsa merupakan instrumen andalan dalam astronomi
pengamatan, berkat sensitivitasnya yang amat tinggi melebihi mata, film, maupun detektor lainnya.
Salah satu kelemahan dari PMT adalah keterbatasannya dalam menghitung foton-foton yang tiba
dalam selang waktu sangat singkat. Setelah foton-foton menumbuk PMT, karena efek fotolistrik
maka muatan dibangkitkan dan dihantarkan dan akhirnya dibaca. Terdapat interval waktu sangat
singkat dimana PMT tak mampu merespon foton-foton yang menumbuk secara berturutan dalam
waktu amat singkat. Apabila dua atau lebih foton tiba di PMT dalam selang waktu yang lebih singkat
dari dead-time, maka dua atau lebih foton ini akan dideteksi dan dihitung sebagai satu cacah (count).

a. Apakah keadaan ini lebih berdampak pada pengamatan objek yang redup atau objek yang
terang? Jelaskan jawabmu.

Persamaan empiris dari koreksi dead-time dinyatakan sebagai berikut

𝑛 = 𝑁 𝑒 −𝑡/𝑁 (1)

dimana

𝑛 : Laju cacah yang diukur per detik (cps)

𝑁 : Laju cacah “benar” dalam sistem yang bebas dead-time dalam cacah per detik (cps)

𝑡 : Koefisien dead-time (s)

b. Jelaskanlah pada rentang nilai berapakah n yang mendekati N sehingga koreksi dead-time
dapat diabaikan?
Berdasarkan hal di atas, sebuah eksperimen penentuan nilai 𝑡 dapat dilakukan dengan
menggunakan piranti atenuator (misalkan filter Neutral Density atau filter ND) yang bisa
mereduksi cahaya bintang dengan faktor tertentu, sebut saja 𝑏. Amati bintang-bintang
terang dengan sebuah teleskop, lalu pasang filter ND di muka PMT dan ukur laju cacah,
nyatakan dengan 𝑛𝐿 . Lepaskan filter ND dan ukur laju cacah, diperoleh 𝑛𝐻 . Eksperimen
dilakukan di Indiana University, USA.

Berkas Soal Ronde Analisis Data - KSN Astronomi 2021 Halaman 2 dari 7
— Hak Cipta Dilindungi Undang-undang —
 Jika 𝑣1 adalah magnitudo bintang yang diukur dengan filter ND, dan 𝑣0 adalah magnitudo
bintang yang diukur tanpa filter ND, maka telah ditetapkan hubungan
𝑣1 − 𝑣0 = −0,008 (𝐵 − 𝑉) + 3,934 (2)
Hasil pengukuran diberikan pada tabel berikut ini
Bintang 𝐵 − 𝑉 𝑛𝐿 (cps) 𝑛𝐻 (cps)
HR8334 0,51 10670 374200
HR8465 1,55 25170 824700
HR8469 0,23 5190 190100
HR8494 0,27 11720 407300
HR8498 1,46 12400 427400
HR8585 0,01 17190 582700
HR8622 -0,20 6170 224200
HR8694 1,05 21430 708100

c. Menentukan koefisien dead-time

Tempuhlah prosedur sebagai berikut:
1. Hitunglah 𝑣1 − 𝑣0 untuk tiap bintang dengan nilai 𝐵 − 𝑉 dari persamaan yang
diberikan.
2. Hitunglah nisbah intensitas 𝑏 (= 𝐼0 /𝐼1) dari nilai 𝑣1 − 𝑣0 pada langkah 1
3. Dengan mempergunakan laju cacah yang diamati dengan kondisi filter ND terpasang
(𝑛𝐿 ) dan laju cacah yang diukur tanpa filter (𝑛𝐻 ), hitunglah laju cacah benar yang
digunakan tanpa filter dengan hubungan 𝑁𝐻 = 𝑏 𝑛𝐿 .
4. Hitunglah kuantitas 𝐴 = ln(𝑁𝐻 /𝑛𝐻 ) untuk setiap bintang, dimana ln adalah
logaritma natural
5. Plot hubungan antara 𝐴 dan 𝑁𝐻 . Tentukan kemiringan garis yang melalui titik-titik
data. Kemiringan ini adalah koefisien dead-time, 𝑡. Tentukan 𝑡 dan nyatakan dalam
detik.
d. Jelaskan bagaimana menerapkan koefisien dead-time yang diperoleh pada soal c di atas
untuk mengoreksi seluruh pengukuran terang bintang dengan menggunakan persamaan (1)?
Uraikan jawabanmu.

2. Machine Learning: Penerapan Multiple Linear Regression untuk Prediksi

Diameter Asteroid

[©2021, MIH/Puspresnas]
Berikut ini adalah data (atau dataset) 50 objek asteroid dengan fitur: magnitudo mutlak (𝐻),
logaritma albedo (log[albedo]), dan logaritma diameter asteroid (log[diameter (km)]). Rujukan
untuk dataset ini adalah https://cneos.jpl.nasa.gov. Nama objek pada tabel di bawah ini tidak
dicantumkan.
Kita akan membagi dataset ini menjadi dua bagian untuk dua kebutuhan berbeda, agar kita dapat
menelusuri bagaimana komputer dapat belajar (machine learning) dan mengetahui model
persamaan untuk dataset ini. Proses machine learning tersebut akan diikuti secara manual lewat
langkah-langkah di empat tugas di bawah ini.

Berkas Soal Ronde Analisis Data - KSN Astronomi 2021 Halaman 3 dari 7
— Hak Cipta Dilindungi Undang-undang —
Dataset dibagi menjadi dua bagian:

1. Data pelatihan (training data) sebanyak 80% dari total 50 objek di tabel, dan
2. Data penguji (test data) sebanyak 20% dari total 50 objek di tabel

Tugas 1
Seluruh dataset yang akan dibagi dua bagian tersebut ada pada tabel di bawah ini. Pembagian dua
jenis data tersebut dapat dilakukan:

• manual di lembaran kertas, atau

• dengan bantuan komputer, yaitu menggunakan spreadsheet software seperti Excel, Calc,
dan sejenisnya (namun tidak di cloud seperti Google Sheet)
Agar efektif dan efisien, pilih dan putuskan salah satu cara saja. Bila memilih cara manual, pisahkan
training data dan test data dalam dua kertas. Bila berbantuan komputer, pisahkan dalam dua lembar
(Excel sheet) terpisah.

𝐻 log[albedo] log[diameter (km)]

10,0 -1,00 1,63
10,2 -0,52 1,40
10,5 -1,30 1,68
10,8 -0,60 1,32
11,0 -0,70 1,28
11,5 -0,82 1,23
12,0 -1,00 1,23
12,1 -0,52 0,99
12,5 -1,30 1,28
12,8 -0,60 0,93
13,5 -0,52 0,69
14,0 -0,60 0,63
14,5 -0,70 0,58
15,0 -0,82 0,54
15,5 -1,00 0,53
16,0 -1,30 0,58
17,0 -1,00 0,23
17,3 -0,52 -0,01
17,5 -1,30 0,28
17,9 -0,60 -0,07
18,0 -0,70 -0,12
18,5 -0,82 -0,16
19,0 -1,00 -0,17
19,5 -1,30 -0,12
20,5 -0,82 -0,55
20,6 -0,52 -0,70
21,0 -1,00 -0,57
21,3 -0,60 -0,77
21,5 -0,70 -0,82

Berkas Soal Ronde Analisis Data - KSN Astronomi 2021 Halaman 4 dari 7
— Hak Cipta Dilindungi Undang-undang —
 22,0 -0,82 -0,85
22,5 -1,00 -0,89
23,0 -1,30 -0,82
23,2 -0,70 -1,12
23,5 -0,82 -1,16
24,0 -0,52 -1,41
24,5 -0,60 -1,47
25,0 -0,70 -1,52
25,5 -0,82 -1,55
26,0 -1,00 -1,57
26,5 -1,30 -1,52
26,8 -0,60 -1,85
27,0 -0,70 -1,92
27,5 -0,52 -2,11
28,0 -0,60 -2,17
28,5 -0,70 -2,22
29,0 -0,82 -2,26
29,5 -1,00 -2,27
29,6 -0,52 -2,51
30,0 -1,30 -2,22
30,3 -0,60 -2,57

Dari data pelatihan, kita menargetkan agar komputer dapat belajar dan memperoleh model untuk
data pelatihan tersebut sehingga bila diberikan nilai 𝐻 dan log[albedo], maka prediksi nilai diameter
asteroid dapat dilakukan. Model yang diperoleh mungkin memuaskan, mungkin juga tidak.

Jika

• log[diameter (km)] adalah 𝑦

• 𝐻 adalah 𝑥1
• log[albedo] adalah 𝑥2
• jumlah data pelatihan adalah 𝑛

model yang diinginkan adalah berbentuk persamaan:

𝑦 = 𝑏0 + 𝑏1 𝑥1 + 𝑏2 𝑥2

yang dicari sebagai hasil prosedur regresi linear jamak (multiple linear regression).

Tugas 2
Siapkan data pelatihan, lalu hitunglah beberapa besaran berikut dan, bila belum ada, buatlah kolom-
kolom yang berkaitan dengan perhitungan tersebut di sebelah kanan dari kolom-kolom yang sudah
ada:

1. ∑𝑛𝑖=1 𝑥1,𝑖
Berkas Soal Ronde Analisis Data - KSN Astronomi 2021 Halaman 5 dari 7
— Hak Cipta Dilindungi Undang-undang —
 2. ∑𝑛𝑖=1 𝑥2,𝑖
3. ∑𝑛𝑖=1 𝑥1,𝑖 𝑥2,𝑖
4. ∑𝑛𝑖=1 𝑥1,𝑖
2

5. ∑𝑛𝑖=1 𝑥2,𝑖
2
𝑛
∑𝑖=1 𝑦𝑖
6.
7. ∑𝑛𝑖=1 𝑦𝑖 𝑥1,𝑖
8. ∑𝑛𝑖=1 𝑦𝑖 𝑥2,𝑖

Koefisien 𝑏0 , 𝑏1 , dan 𝑏2 dapat dihitung dengan menyelesaikan matriks 3x3 berikut ini

𝑛 ∑ 𝑥1,𝑖 ∑ 𝑥2,𝑖 ∑ 𝑦𝑖
𝑏0
2
∑ 𝑥1,𝑖 ∑ 𝑥1,𝑖 ∑ 𝑥1,𝑖 𝑥2,𝑖 [𝑏1 ] = ∑ 𝑦𝑖 𝑥1,𝑖
𝑏2
2
[∑ 𝑥2,𝑖 ∑ 𝑥1,𝑖 𝑥2,𝑖 ∑ 𝑥2,𝑖 ] [∑ 𝑦𝑖 𝑥2,𝑖 ]

Dalam hal ini, notasi ∑ digunakan untuk menyingkat perintah penjumlahan menggunakan indeks
𝑖 = 1, 2, … , 𝑛

Tugas 3
Selesaikan perhitungan matriks di atas untuk mencari solusi nilai-nilai koefisien 𝑏0 , 𝑏1 , dan 𝑏2 .

Sekarang, komputer telah belajar dari data (pelatihan) sehingga memperoleh ‘pengetahuan’ berupa
model persamaan yang dapat digunakan untuk prediksi berdasarkan input data 𝑥1 dan 𝑥2 . Dengan
menggunakan model persamaan

𝑦 = 𝑏0 + 𝑏1 𝑥1 + 𝑏2 𝑥2

dan dengan nilai-nilai koefisien 𝑏0 , 𝑏1 , dan 𝑏2 yang telah diketahui, kita akan minta komputer
bekerja dengan menggunakan model yang telah diketahuinya untuk memprediksi diameter asteroid
berdasarkan data penguji. Perlu diketahui bahwa sebenarnya pada data penguji telah ada fitur data
logaritma diameter asteroid. Namun tujuan kita adalah membandingkan nilai logaritma diameter
yang sudah tertera di data penguji dengan nilai logaritma diameter menurut model.

Tugas 4
Siapkan data penguji lalu hitunglah di kolom sebelah kanan dari kolom-kolom yang sudah ada:

1. Nilai log[diameter (km)] menurut model dapat ditulis: 𝑦model = 𝑏0 + 𝑏1 𝑥1 + 𝑏2 𝑥2

2. Nilai kuadrat beda (Δ2 ) antara logaritma diameter yang tertera dan logaritma diameter
menurut model
2
Δ2 = (𝑦data penguji − 𝑦model )

Berkas Soal Ronde Analisis Data - KSN Astronomi 2021 Halaman 6 dari 7
— Hak Cipta Dilindungi Undang-undang —
 3. Secara manual menggunakan tanganmu sendiri, gambarkanlah plot data di kertas milimeter
block (atau di kertas setara) untuk 𝑦data penguji vs 𝑦model . Sumbu datar adalah 𝑦data penguji dan
sumbu tegak adalah 𝑦model .
4. Buatlah garis linear bergradien 𝑚 dan dengan bentuk persamaan 𝑦model = 𝑚 𝑦data penguji + 𝑐
yang paling mencocoki plot data tersebut.
5. Tunjukkan bagaimana caramu memperoleh nilai 𝑚 dan 𝑐 tersebut.
6. Buatlah kesimpulan dan komentar atas model yang sudah digunakan ini.

Berkas Soal Ronde Analisis Data - KSN Astronomi 2021 Halaman 7 dari 7
— Hak Cipta Dilindungi Undang-undang —