Abstract:
Teknologi satelit berkembang begitu pesat, menjadikan teknologi ini sebagai solusi berbagai macam permasalahan. Automatic Identification System (AIS) yang bisa dimanfaatkan untuk memantau lalu lintas kapal, operasi keamanan laut, serta eksplorasi sumber daya kelautan dan perikanan. AIS adalah teknologi yang dikembangkan untuk mendeteksi dan memantau kegiatan kapal pesiar di wilayah tertentu. Namun teknologi ini juga masih memiliki keterbatasan sehingga diperlukan alternatif lainnya untuk pengawasan serta pendeteksian kapal. Dengan menggunakan citra satelit pendeteksian kapal dapat dilakukan dengan bantuan teknologi dari computer vision dan machine learning sebagai alternatif pengawasan. Metode CNN merupakan desain yang dibuat khusus untuk melatih pada 2 dimensi data berupa citra atau gambar. Implementasi CNN untuk deteksi objek, CNN biasanya disandingkan dengan region of interest (ROI) agar menjadikannya lebih efektif, umumnya metode gabungan ini disebut Region Based Convolutional Neural Networks (R-CNN). Namun terdapat juga model pengembangan versi lainnya seperti Fast R-CNN, Faster R-CNN, YOLO dan SSD. Tujuan utama dari penelitian ini ialah membandingkan model-model pendeteksi yang dibuat dari aspek-aspek tersebut baik dari metode serta parameter yang digunakan. Perbandingan dilakukan dengan mengevaluasi model-model dengan menggunakan metrik. Dari hasil penelitian, disimpulkan pada pengujian klasifikasi, CNN model Darknet19 lebih unggul dibandingkan model CNN lainnya dengan rata-rata tingkat tebakan benar yang cukup baik yaitu nilai rata-rata recall sebesar 0,9119 dan nilai rata-rata specificity sebesar 0,9906, dengan akurasi keseluruhan 98,38%. Pada pengujian deteksi, nilai rata-rata presisi yang tertinggi terdapat pada model Vgg19 dengan metode RCNN dengan optimasi sgdm dengan nilai rata-rata presisi adalah 0,214 dan nilai miss rate adalah 0,815. Sedangkan pada metode algotitma yang digunakan, algoritma adam lebih baik dibandingkan sgdm terlihat peningkatan nilai kepresisian pada model Alexnet dan Darknet19. Berdasarkan pengujian metode yang ada pada citra Lapan-A2, pendeteksi Yolo dengan Vgg19 sgdm yang lebih unggul dibandingkan metode lainnya dengan nilai kepresisian adalah 0,006, diikuti Faster Rcnn 0,005, Rcnn 0,001, dan Fast Rcnn 0,001.
