DETEKSI ANOMALI JALUR PELAYARAN ALUR LAUT KEPULAUAN INDONESIA II (ALKI II) BERBASIS DATA AIS DENGAN MEAN FULLSTACK APPLICATION

Siech, Abdullah Fiqru (2025) DETEKSI ANOMALI JALUR PELAYARAN ALUR LAUT KEPULAUAN INDONESIA II (ALKI II) BERBASIS DATA AIS DENGAN MEAN FULLSTACK APPLICATION. Diploma thesis, Politeknik Perkapalan Nergeri Surabaya.

Text 0921040015 - Abdullah Fiqru Siech - Deteksi Anomali Jalur Pelayaran Alur Laut Kepulauan Indonesia II (ALKI II) Berbasis Data AIS dengan _i_Mean Fullstack Application__i_.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Pengelolaan lalu lintas maritim modern membutuhkan sistem pengawasan yang akurat dan responsif. Namun, Automatic Identification System (AIS) sebagai standar internasional masih memiliki keterbatasan dalam deteksi anomali otomatis. Penelitian ini mengembangkan sistem pengawasan maritim berbasis arsitektur MEAN Stack (MongoDB, Express.js, Angular, Node.js) dengan implementasi model machine learning Random Forest untuk deteksi anomali di wilayah Alur Laut Kepulauan Indonesia II (ALKI II). Sistem ini memproses data AIS real-time, melakukan decoding otomatis, dan menggunakan zona pengawasan interaktif yang dibuat dengan Leaflet mapping library. Ketika kapal memasuki zona, algoritma Random Forest menganalisis parameter kecepatan, arah, dan status navigasi untuk mengidentifikasi perilaku anomali.Hasil pengujian menunjukkan performa sistem yang kontras namun komprehensif. Sisi backend menunjukkan kinerja yang signifikan dengan kemampuan memproses hingga 2.941 pesan AIS per menit, tingkat keberhasilan pemrosesan 99,78%, dan penggunaan CPU rata-rata yang sangat efisien hanya 9%. Sebaliknya, sisi frontend memerlukan optimasi, dengan skor performa Google Lighthouse sebesar 55/100 dan metrik First Contentful Paint (FCP) selama 8,1 detik. Dari sisi deteksi anomali, model Random Forest menunjukkan akurasi superior mencapai 99,96%, presisi 99,97%, dan F1-score 99,97%, dengan skor ROC-AUC 0,9996 yang mengonfirmasi kemampuan diskriminasi yang hampir sempurna.Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem deteksi anomali maritim yang sangat akurat, didukung oleh arsitektur backend yang andal dan efisien. Sistem ini berhasil meningkatkan maritime domain awareness secara nyata dan memperkuat keamanan pelayaran nasional di ALKI II, seraya memberikan data konkret untuk perbaikan antarmuka pengguna di masa mendatang.

Actions (login required)

View Item