Penerapan Metode Convolutional Neural Network Dalam Mendeteksi Pola Rute Kapal Yang Drifting di Laut Indonesia

Abstract

Indonesia sebagai negara kepulauan terbesar di dunia menghadapi tantangan serius dalam menjaga keamanan dan kedaulatan wilayah perairannya, termasuk ancaman dari aktivitas kapal asing yang melakukan pelanggaran seperti illegal fishing dan penyelundupan. Salah satu permasalahan utama adalah deteksi dini terhadap kapal yang melakukan pola pergerakan drifting, yaitu pergerakan kapal yang menyimpang dari jalur yang diinginkan akibat faktor eksternal seperti arus laut dan angin. Penelitian ini bertujuan untuk mengembangkan sistem deteksi pola rute kapal drifting di laut Indonesia dengan memanfaatkan data Automatic Identification System (AIS) dan metode Convolutional Neural Network (CNN). Penelitian dilakukan secara kuantitatif dengan mengumpulkan 15.200 data gambar polyline hasil visualisasi rute kapal yang telah berlabel drifting dan non-drifting. Data dibagi menjadi data pelatihan, validasi, dan pengujian, serta dilakukan augmentasi untuk meningkatkan variasi data. Model CNN yang dikembangkan, yaitu DriftCNN, dibandingkan dengan model pre-trained lainnya seperti VGG16, InceptionV3, Xception, dan ResNet50. Hasil pelatihan menunjukkan DriftCNN memiliki akurasi, precision, recall, dan F1-score tertinggi, masing-masing sebesar 98,72%. Pada tahap evaluasi menggunakan data uji, DriftCNN menghasilkan akurasi 96,85%, mengungguli model lain. Sistem yang dibangun telah diimplementasikan dalam bentuk API dan dashboard monitoring yang mampu menampilkan deteksi kapal drifting secara otomatis. Metode CNN khususnya arsitektur DriftCNN, efektif dalam mendeteksi pola rute kapal drifting dan dapat diintegrasikan sebagai sistem pendukung monitoring keamanan laut Indonesia.