<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "ANALISIS CLUSTERING POLUSI CAHAYA DI OBSERVATORIUM DUNIA BERBASIS DATA CITRA DENGAN DEEP LEARNING"^^ . "Observatorium merupakan situs penting dalam pengembangan ilmu astronomi, sehingga kelestarian langit malam di sekitarnya menjadi aspek yang perlu dijaga. Namun, pertumbuhan penduduk, ekspansi wilayah perkotaan, dan peningkatan aktivitas ekonomi telah memicu peningkatan kecerahan langit malam yang berujung pada polusi cahaya. Penelitian ini bertujuan untuk mengidentifikasi pola dan karakteristik kelompok (cluster) polusi cahaya di sekitar observatorium dunia melalui pendekatan berbasis deep learning dan analisis clustering. Data yang digunakan berupa citra satelit Visible Infrared Imaging Radiometer Suite-Day/Night Band (VIIRS-DNB) dari tahun 2012 hingga 2024 dalam radius 50 km dari masing-masing observatorium. Ekstraksi fitur spasial dari data citra dilakukan menggunakan arsitektur Convolutional Neural Network (ConvNeXt), kemudian dimensi temporal dianalisis menggunakan model LSTM Autoencoder untuk memahami representasi temporal data. Hasil representasi tersebut selanjutnya dianalisis menggunakan dua algoritma clustering, yakni K-means dan HDBSCAN. Evaluasi hasil clustering dilakukan menggunakan metrik Silhouette Score, Calinski-Harabasz Index, dan Davies Bouldin Index , dengan nilai tertinggi sebesar 0,72, yang diperoleh dari algoritma HDBSCAN. Nilai ini menunjukkan kualitas pemisahan klaster yang cukup baik. Penelitian ini berhasil mengidentifikasi perbedaan dan kesamaan pola polusi cahaya antar observatorium, serta menunjukkan potensi pendekatan deep learning dalam analisis spasio-temporal citra satelit. Hasil dari studi ini diharapkan dapat memberikan kontribusi ilmiah dalam upaya konservasi langit malam dan mendukung kebijakan mitigasi polusi cahaya di area sekitar observatorium. ; Observatories play a crucial role in the advancement of astronomical science, making the preservation of the surrounding night sky an essential aspect to be maintained. However, population growth, urban expansion, and increased economic activity have led to a rise in night sky brightness, resulting in light pollution. This study aims to identify patterns and cluster characteristics of light pollution around observatories worldwide using a deep learning-based approach combined with clustering analysis. The dataset used consists of satellite imagery from the Visible Infrared Imaging Radiometer Suite–Day/Night Band (VIIRS-DNB) spanning from 2012 to 2024, within a 50 km radius of each observatory. Spatial features were extracted using the ConvNeXt architecture, a modern Convolutional Neural Network (CNN), while temporal dimensions were analyzed using an LSTM Autoencoder to capture the temporal representation of the data. The resulting representations were then clustered using 2 algorithms, namely K-means and HDBSCAN. Clustering performance was evaluated using the Silhouette Score metric, with the highest score of 0.72 achieved by both HDBSCAN indicating a reasonably good cluster separation quality. This study successfully identifies both differences and similarities in light pollution patterns across observatories and demonstrates the potential of deep learning in spatio-temporal satellite image analysis. The findings are expected to contribute to scientific efforts in night sky conservation and support light pollution mitigation policies around observatory areas."^^ . "2025-08-28" . . . . . . . . . "Universitas Pendidikan Indonesia"^^ . . . "KODEPRODI55201#Ilmu Komputer_S1, Universitas Pendidikan Indonesia"^^ . . . . . . . . . . . . . . . . . "-"^^ . "M. Cahyana Bintang Fajar"^^ . "- M. Cahyana Bintang Fajar"^^ . . "-"^^ . "Judhistira Aria Utama"^^ . "- Judhistira Aria Utama"^^ . . "-"^^ . "Lala Septem Riza"^^ . "- Lala Septem Riza"^^ . . . . . . "ANALISIS CLUSTERING POLUSI CAHAYA DI OBSERVATORIUM DUNIA BERBASIS DATA CITRA DENGAN DEEP LEARNING (Text)"^^ . . . "S_KOM_2102665_Title.pdf"^^ . . . "ANALISIS CLUSTERING POLUSI CAHAYA DI OBSERVATORIUM DUNIA BERBASIS DATA CITRA DENGAN DEEP LEARNING (Text)"^^ . . . "S_KOM_2102665_Chapter1.pdf"^^ . . . "ANALISIS CLUSTERING POLUSI CAHAYA DI OBSERVATORIUM DUNIA BERBASIS DATA CITRA DENGAN DEEP LEARNING (Text)"^^ . . . "ANALISIS CLUSTERING POLUSI CAHAYA DI OBSERVATORIUM DUNIA BERBASIS DATA CITRA DENGAN DEEP LEARNING (Text)"^^ . . . "S_KOM_2102665_Chapter3.pdf"^^ . . . "ANALISIS CLUSTERING POLUSI CAHAYA DI OBSERVATORIUM DUNIA BERBASIS DATA CITRA DENGAN DEEP LEARNING (Text)"^^ . . . "ANALISIS CLUSTERING POLUSI CAHAYA DI OBSERVATORIUM DUNIA BERBASIS DATA CITRA DENGAN DEEP LEARNING (Text)"^^ . . . "S_KOM_2102665_Chapter5.pdf"^^ . . . "ANALISIS CLUSTERING POLUSI CAHAYA DI OBSERVATORIUM DUNIA BERBASIS DATA CITRA DENGAN DEEP LEARNING (Text)"^^ . . "HTML Summary of #138328 \n\nANALISIS CLUSTERING POLUSI CAHAYA DI OBSERVATORIUM DUNIA BERBASIS DATA CITRA DENGAN DEEP LEARNING\n\n" . "text/html" . . . "Q Science (General)"@en . . . "QA75 Electronic computers. Computer science"@en . . . "QB Astronomy"@en . . . "QC Physics"@en . . . "T Technology (General)"@en . .