Pendeteksi Aktivitas Anomali Kapal Dengan Analisa Data Automatic Indentification System (Ais) Menggunakan Decision Tree

Hidayattullah, Rachmad (2022) Pendeteksi Aktivitas Anomali Kapal Dengan Analisa Data Automatic Indentification System (Ais) Menggunakan Decision Tree. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 10311810003006-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (6MB)

Abstract

Kementrian Kelautan dan Perikanan (KKP) masih menemukan beberapa kasus anomali sebanyak 223 kasus untuk tahun 2019. Anomali kapal seperti kapal diam tanpa ada aktivitas berhari hari, kapal berputar-putar pada wilayah tertentu, kapal negara lain masuk ke perairan Indonesia tanpa izin, kapal besar dikelilingi kapal-kapal kecil dan kapal yang tidak mempunyai surat izin berlayar di perairan indonesia. Disisi lain, Pemantauan kapal yang saat ini digunakan oleh KKP masih belum ada fitur untuk melakukan pendeteksian aktivitas anomali kapal. Dengan memanfaatkan data Automatic Indentification System (AIS) yang diolah pada kontroller sehingga informasi tentang kapal dapat diketahui. Kemudian data tersebut disimpan pada basis data sehingga dapat ditampilkan pada website sebagai interfacenya. Kemudian untuk mengatasi masalah yang ada dibuatlah fitur untuk deteksi anomali. Pendenteksian anomali ini menggunakan metode Decision Tree sebagai proses klasifikasi. Klasifikasi menggunakan data dari peraturan Menteri Kelautan dan Perikanan Republik Indonesia Nomor 42/PERMEN- KP/2015 Pasal 8. Hasil yang didapat pada penelitian ini Ship Track System berhasil mendeteksi aktivitas anomali dengan pengujian aktivitas anomali kapal. Untuk anomali kapal berdiam di suatu lokasi selama beberapa hari mendapatkan pergerakan kurang dari 200 meter dengan nilai pergerakan anomali 167 meter . Untuk anomali kapal berputar-putar di lokasi yang sama nilai pergerakannya kurang dari 10 kilometer, yaitu sebesar 401 meter. Untuk anomali kapal AIS Kapal Mati didapat record AIS kurang dari 24 per harinya dengan nilai record hanya 5. Dengan kriteria kondisi kapal yang telah dijelaskan maka dikategorikan sebagai aktivitas anomali. Kapal yang mempunyai anomali sehingga warna marker pada kapal yang mempunyai aktivitas anomali berwarna merah berbeda dengan kapal yang normal. Untuk jangkauan alat mencapai 25,05 Km dari titik pengambilan data.
==============================================================================================================================
The Ministry of Maritime Affairs and Fisheries (KKP) still found 223 anomalous cases for 2019. Ship anomalies such as ships standing still without activity for days, ships circling in certain areas, ships from other countries entering Indonesian waters without permission, large ships surrounded by small ships and ships that do not have a license to sail in Indonesian waters. On the other hand, the ship monitoring currently used by the KKP does not yet have a feature to detect ship anomaly activity. By utilizing the Automatic Identification System (AIS) data which is processed on the controller so that information about the ship can be known. Then the data is stored in the database so that it can be displayed on the website as an interface. Then to overcome the existing problems, a feature for anomaly detection was made. This anomaly detection uses the Decision Tree method as a classification process. The classification uses data from the regulation of the Minister of Maritime Affairs and Fisheries of the Republic of Indonesia Number 42/PERMEN-KP/2015 Article 8. The results obtained in this study were the Ship Track System successfully detected anomalous activity by testing ship anomaly activities. For anomaly ships staying in one location for several days get a movement of less than 200 meters with an anomaly movement value of 167 meters. For the anomaly of the ship circling in the same location, the value of the movement is less than 10 kilometers, which is 401 meters. For the AIS ship anomaly, the Dead Ship obtained AIS records of less than 24 per day with a record value of only 5. With the ship condition criteria described, it is categorized as an anomaly activity. Ships that have anomaly so that the color of the marker on the ship that has anomalous activity is red, which is different from normal ships. For the reach of the tool it reaches 25.05 Km from the data collection point.

Item Type:	Thesis (Diploma)
Additional Information:	RSEO 629.895 633 Hid p-1 2022
Uncontrolled Keywords:	Automatic Indentification System, Decision Tree, Aktivitas Anomali Kapal. Automatic Indentification System, Decision Tree, Ship Anomaly Activity.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK3070 Automatic control
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Mr. Marsudiyana -
Date Deposited:	16 Jul 2026 00:49
Last Modified:	16 Jul 2026 00:49
URI:	http://repository.its.ac.id/id/eprint/135147

Actions (login required)

View Item