<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="1712339">
 <titleInfo>
  <title>STUDI KOMPARATIF ALGORITMA GENETIK DAN GRID SEARCH PADA OPTIMISASI HYPERPARAMETER DALAM PREDIKSI RISIKO ASTEROID</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>T. M. Chalid Al Kausar</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas mipa</publisher>
   <dateIssued>2026</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Theses</form>
  <extent></extent>
 </physicalDescription>
 <note>Analisis risiko asteroid merupakan fokus krusial dalam astronomi untuk memitigasi potensi tabrakan yang membahayakan Bumi. Penelitian ini bertujuan melakukan studi komparatif antara metode optimisasi Grid Search dan Algoritma Genetik guna meminimalkan False Negative Rate (FNR) pada algoritma Light Gradient Boosting Machine (LightGBM). Data penelitian bersumber dari NASA JPL Small Body Database yang melalui tahapan pre-processing serta penanganan ketidakseimbangan kelas menggunakan teknik undersampling dengan rasio 1:100. Evaluasi kinerja dilakukan dengan membandingkan model dasar, model dengan optimisasi Grid Search, dan model dengan optimisasi Algoritma Genetik. Hasil penelitian menunjukkan bahwa kedua teknik optimisasi mampu menurunkan nilai FNR dibandingkan model dasar yang memiliki FNR sebesar 5.42%. Optimisasi menggunakan Grid Search menghasilkan FNR terendah sebesar 4.02% dengan waktu komputasi 371.62 detik. Sementara itu, Algoritma Genetik menghasilkan FNR sebesar 4.22% dengan waktu komputasi 277.89 detik. Analisis feature importance mengidentifikasi argumen perihelium (</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>ALGORITHMS - COMPUTER PROGRAMMING</topic>
 </subject>
 <classification>005.1</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>1712339</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2026-02-24 15:02:27</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2026-02-25 10:15:47</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>