DETEKSI PEMANTAUAN KEBERANGKATAN KAPAL MENGGUNAKAN YOLOv8 DAN SIMPLE ONLINE AND REALTIME TRACKING (STUDI KASUS DI PT SRIWIJAYA BARA LOGISTIC)

WIFANI, FREDERICK ROBERTO (2025) DETEKSI PEMANTAUAN KEBERANGKATAN KAPAL MENGGUNAKAN YOLOv8 DAN SIMPLE ONLINE AND REALTIME TRACKING (STUDI KASUS DI PT SRIWIJAYA BARA LOGISTIC). Other thesis, UPN "Veteran" Yogyakarta.

	Text COVER_Frederick Roberto Wifani_123210190.pdf Download (207kB)
	Text ABSTRAK_Frederick Roberto Wifani_123210190.pdf Download (191kB)
	Text PENGESAHAN PEMBIMBING_Frederick Roberto Wifani_123210190.pdf Download (295kB)
	Text PENGESAHAN PENGUJI_Frederick Roberto Wifani_123210190.pdf Download (362kB)
	Text DAFTAR ISI_Frederick Roberto Wifani_123210190.pdf Download (222kB)
	Text DAFTAR PUSTAKA_Frederick Roberto Wifani_123210190.pdf Download (212kB)
	Text SKRIPSI FULL_Frederick Roberto Wifani_123210190.pdf Restricted to Repository staff only Download (3MB)

Abstract

Berdasarkan wawancara dengan PT Sriwijaya Bara Logistic, diketahui bahwa
pencatatan data keberangkatan kapal masih dilakukan secara manual, yang sering kali
menghadapi berbagai kendala. Proses ini rentan terhadap kesalahan manusia akibat
kelelahan dan keterbatasan kapasitas tenaga kerja, sehingga dapat mengakibatkan
ketidakakuratan data. Kondisi ini tidak hanya menghambat efisiensi pengelolaan sumber
daya dan perencanaan logistik, tetapi juga berpotensi menimbulkan kerugian ekonomi bagi
perusahaan. Oleh karena itu, dibutuhkan sistem otomatis yang mampu mendeteksi dan
menghitung keberangkatan kapal secara real-time dengan akurasi tinggi.
Penelitian ini mengembangkan sistem deteksi dan perhitungan otomatis
keberangkatan kapal menggunakan kombinasi algoritma YOLOv8s dan SORT. Model
YOLOv8s digunakan untuk mendeteksi tujuh jenis kapal, yaitu Kapal Barang, Kapal
Ketinting, Kapal Penumpang, Kapal Peti Kemas, Kapal Pinisi, Kapal Tanker, dan Kapal
Tongkang. Pemilihan YOLOv8s didasarkan pada performanya yang ringan namun tetap
memiliki akurasi tinggi, cocok untuk aplikasi real-time. Untuk pelacakan objek, digunakan
algoritma SORT karena kemampuannya dalam melakukan tracking secara cepat dan efisien
terhadap objek yang bergerak dalam jalur linier. Akuisisi data dilakukan melalui video drone
di salah satu pelabuhan, kemudian diproses menggunakan model deteksi dan pelacakan
tersebut untuk mengembangkan sistem perhitungan otomatis.
Hasil pengujian menunjukkan bahwa model YOLOv8s menghasilkan precision
sebesar 90,7%, recall sebesar 93%, mAP50 sebesar 96,2%, dan mAP50-95 sebesar 84%
untung data validasi. Hasil pengujian dengan data testing memperoleh nilai Precision 95,8%,
Recall 93,5%, mAP50 96,8%, dan mAP50-95 84,4%. Sistem berhasil melewati pengujian
black box tanpa error. Pengujian pada tingkat pencahayaan rendah menunjukkan bahwa
sistem mampu mempertahankan akurasi 100% pada tingkat exposure 20–100%, namun
menurun drastis menjadi 46,1% pada exposure 15%, di mana 7 dari 13 kapal tidak terdeteksi.
Kata Kunci: Deteksi Kapal, YOLOv8s, SORT, Real-time

Item Type:	Thesis (Other)
Additional Information:	Frederick Roberto Wifani (Penulis - 123210190) ; Budi Santosa (Pembimbing)
Uncontrolled Keywords:	Deteksi Kapal, YOLOv8s, SORT, Real-time
Subjek:	T Technology > T Technology (General)
Divisions:	x. Eprints Lama > 4
Depositing User:	Indah Lestari
Date Deposited:	30 Jun 2025 03:23
Last Modified:	30 Jun 2025 03:23
URI:	http://eprints.upnyk.ac.id/id/eprint/42874

Actions (login required)

View Item