DETEKSI ANOMALI PERGERAKAN KAPAL SECAR A OTOMATIS MENGGUNAKAN ISOLATION FOREST DAN ONE CLASS SVM DI PELABUHAN TANJUNG PRIOK

Alfarizi, Muhammad Zahran (2026) DETEKSI ANOMALI PERGERAKAN KAPAL SECAR A OTOMATIS MENGGUNAKAN ISOLATION FOREST DAN ONE CLASS SVM DI PELABUHAN TANJUNG PRIOK. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (808kB)
	Text BAB I.pdf Download (338kB)
	Text BAB II.pdf Download (576kB)
	Text BAB III.pdf Download (586kB)
	Text BAB IV.pdf Download (711kB)
	Text BAB V.pdf Download (45kB)
	Text LAMPIRAN.pdf Download (381kB)

Abstract

Tanjung Priok memiliki volume lalu lintas kapal yang sangat tinggi, yang
secara signifikan meningkatkan risiko kecelakaan dan kecelakaan navigasi.
Analisis konvensional terhadap data Automatic Identification System (AIS)
menunjukkan bahwa inspeksi visual secara manual tidak seefisien atau seefektif
yang seharusnya jika dibandingkan dengan volume data. Tujuan dari penelitian ini
adalah untuk mengembangkan sistem deteksi anomali otomatis untuk data kapal
menggunakan Unsupervised Learning untuk menjelaskan label kebenaran dasar
(ground truth) pada data asli. Metodologi yang digunakan adalah Ensemble
Learning, yang menggabungkan kinerja non-linear dari One-Class Support Vector
Machine (OC-SVM) dengan efisiensi komputasi dari algoritma Isolation Forest.
Model ini diuji dengan menggunakan dataset AIS riil untuk empat hari operasional,
yang berisi 542.948 titik data dari 781 kapal yang unik. Proses ekstraksi dilakukan
terhadap 46 fitur turunan yang mewakili dimensi kinematik, spasial, temporal, dan
trajektori. Evaluasi kinerja model divalidasi secara kuantitatif melalui analisis
sensitivitas hyperparameter dan uji signifikansi statistik Mann-Whitney U.
Hasil model menunjukkan bahwa strategi Ensemble berhasil
mengidentifikasi 38.486 titik data (7,09%) sebagai anomali, sementara 15.813 titik
data (2,91%) diklasifikasikan sebagai anomali dengan tingkat kepercayaan tinggi
yang secara konsisten divalidasi oleh kedua algoritma. Validasi statistik
menunjukkan bahwa, jika dibandingkan dengan kelompok normal, kelompok
anomali memiliki perbedaan yang signifikan secara statistik dalam karakteristik
kinerja ($p-value < 0,05$). Ukuran efek terbesar yang menggambarkan anomali
disebabkan oleh variabel deviasi kecepatan (Speed Deviation) dan ketidakstabilan
arah (Course Rolling Standard Deviation). Hal ini menunjukkan bahwa arsitektur
yang efektif, seperti lintasan zig-zag dan fluktuasi kecepatan yang ekstrim, dapat
meningkatkan kemampuan untuk bergerak menuju sistem pengawasan maritim
yang obyektif dan proaktif.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Delvy Aplirizani -
Date Deposited:	26 May 2026 03:06
Last Modified:	26 May 2026 03:06
URI:	https://repository.unas.ac.id/id/eprint/16297

Actions (login required)

View Item