Deteksi Penonaktifan Perangkat Automatic Identification System Memakai Neural Network

Abstract

Penonaktifan perangkat Automatic Identification System (AIS) secara disengaja sering dilakukan untuk menyembunyikan aktivitas ilegal, seperti penangkapan ikan ilegal, perdagangan manusia, dan penyelundupan. Penelitian ini bertujuan untuk mendeteksi penonaktifan AIS menggunakan pendekatan berbasis Neural Network. Data AIS yang digunakan mencakup informasi dan dinamis yang diproses melalui tahapan data cleansing, ekstraksi lintasan, dan pembersihan lintasan. Dataset penelitian ini berasal dari Receiver Base Station (RBS) Universitas Udayana, yang mencatat data dari 28 September 2022 hingga 19 April 2023, dengan total 126 juta data mencakup 12 ribu MMSI. Setelah tahapan data cleansing dengan kriteria tertentu untuk validasi data, jumlah data yang tersaring menjadi 48,5 juta baris dengan 6597 MMSI. Pada tahap ekstraksi lintasan, data dipisahkan menjadi lintasan individual berdasarkan selisih waktu antar koordinat yang berturut-turut, menghasilkan 31 ribu lintasan. Selanjutnya, tahap pembersihan lintasan menggunakan kriteria tambahan menghasilkan 12 ribu lintasan yang sesuai untuk pelabelan otomatis dan pengembangan model klasifikasi. Sebanyak 46,4 juta data koordinat berhasil dilabeli secara otomatis untuk mendeteksi data anomali dengan kriteria selisih waktu > 45 menit dan selisih jarak > 1 km.  Pengujian model deteksi dilakukan dengan menghasilkan Confusion Matrix yang menunjukkan distribusi 626 data non-anomali dan 529 data anomali. Model menunjukkan performa yang sangat baik dengan Akurasi 100%, Precision 100%, Recall 100%, dan F1-Score 100% untuk kedua kelas (anomali dan non-anomali). Kinerja optimal ini menandakan bahwa model tidak membuat kesalahan dalam klasifikasi, baik untuk mendeteksi data anomali maupun non-anomali. Dengan hasil ini, penelitian ini memberikan kontribusi signifikan dalam mendeteksi anomali AIS secara otomatis, sehingga dapat meningkatkan pengawasan maritim.