Pengembangan Sistem Deteksi Fajar Berbasis Website (Part 2) скачать в хорошем качестве

Pengembangan Sistem Deteksi Fajar Berbasis Website (Part 2)

Evolusi Sistem: Dari Skrip ke Antarmuka Web Proyek ini menandai transisi signifikan dari alat riset internal (Terminal Python) menjadi aplikasi yang siap digunakan publik melalui Streamlit. Perubahan ini membawa tiga peningkatan utama: 1. Aksesibilitas Tinggi: Pengguna tidak perlu memahami kode; cukup unggah file data (.txt atau .csv) dari mana saja. 2. Analisis Interaktif: Grafik kini bersifat dinamis (bisa dizoom dan digeser) untuk mempermudah identifikasi titik data yang spesifik. 3. Komparasi Visual: Kemampuan menampilkan data mentah berdampingan dengan data yang sudah di-downsampling (dihaluskan) memberikan transparansi pada proses pengolahan data. Metodologi Statistik yang Digunakan Program ini menggunakan pendekatan matematis yang ketat untuk menghilangkan subjektivitas dalam menentukan awal fajar: 1. Pembersihan Data (Nadir Analysis): Menghapus fluktuasi pada tengah malam agar tidak mengacaukan perhitungan tren. 2. Linear Baseline Fitting: Membentuk garis referensi "langit malam yang stabil". 3. Deteksi Threshold (3 x SEE): Menggunakan ambang batas statistik guna membedakan antara noise (gangguan cahaya kecil) dengan transisi cahaya fajar yang sebenarnya. Hasil Pengujian: Program berhasil mendeteksi fajar pada ketinggian matahari -20,0499 derajat dengan tingkat kecerlangan 21,3487 MPSAS, yang selaras dengan kriteria astronomi standar di Indonesia. Diskusi Panel: Masukan Pakar Sesi demo ini ditanggapi oleh beberapa ahli dengan poin-poin krusial: 1. Skalabilitas (Sisi Engineering): Disarankan migrasi ke framework Django dan PostgreSQL jika beban data meningkat menjadi skala GigaByte untuk menjamin keamanan dan latensi. 2. Faktor Alam (Sisi Metodologi): Menekankan bahwa akurasi program tetap bergantung pada kualitas langit (bebas polusi cahaya dan cahaya bulan). Tanpa Fajar Kazib yang terdeteksi, awal Fajar Sadiq sulit divalidasi secara absolut. 3. Versatilitas: Program dikonfirmasi memiliki potensi untuk menganalisis objek langit lain, seperti perubahan cahaya pada fase bulan sabit. Roadmap Pengembangan Mahasiswa telah menyusun rencana strategis untuk meningkatkan kapabilitas alat ini: 1. Digital Image Processing: Mengintegrasikan analisis berbasis foto langit (citra) untuk melengkapi data numerik SQM. 2. Multi-Plot Visual: Menyajikan grafik komparatif antara waktu lokal, ketinggian matahari, dan kecerlangan secara simultan untuk analisis yang lebih komprehensif. Poin Penting: Proyek ini adalah contoh nyata bagaimana Data Science dapat diaplikasikan untuk memodernisasi metode observasi tradisional, mengubah pengamatan visual yang subjektif menjadi data statistik yang objektif dan dapat dipertanggungjawabkan.