:: UI - Tesis Membership :: Kembali

UI - Tesis Membership :: Kembali

Pemrosesan Data Telemetri Kapal Menggunakan Machine Learning = Vessel Telemetry Data Processing Using Machine Learning

Herry Susanto; Gunawan Wibisono, supervisor; Dadang Gunawan, examiner; Muhammad Suryanegara, examiner; Ajib Setyo Arifin, examiner ([Publisher not identified] , 2019)

 Abstrak

ABSTRAK
Di Indonesia, salah satu penyebab tingginya biaya BBM adalah adanya tindak pencurian
dan penyelewengan BBM yang sering kali terjadi di tengah lautan. Hal ini bisa terjadi
karena pada saat di tengah lautan, segala kegiatan kapal tersebut tidak bisa dipantau oleh
pusat operasional manajemen kapal. Selain upaya hukum, upaya pengawasan kapal
melalui teknologi terbaru juga terus dilakukan, salah satunya adalah teknologi Vessel
Monitoring System (VMS) berbasis Machine to machine (M2M). Perkembangan
teknologi VMS dan telemetri telah memungkinkan pengawasan kondisi mesin dan
pemakaian BBM kapal yang sedang berlayar secara online dan real time. Dengan
menambah perangkat pengukuran pemakaian bahan bakar tersebut, diharapkan
meningkatkan kecepatan koordinasi dan penanganan di lapangan saat terjadi
ketidakwajaran pemakaian BBM. Kecepatan dalam mengetahui adanya ketidakwajaran
ini sangat penting, karena proses pencurian minyak sering kali dilakukan dalam waktu
singkat. Pencurian minyak dengan modus ilegal tapping di darat hanya memerlukan
waktu 15 menit untuk 2000 liter (2 ton) BBM, sementara di laut diperlukan sekitar 5 jam
untuk memindahkan 12 ton BBM, atau sekitar 2.4 ton per jam untuk sebuah kapal saja.
Masalahnya untuk mengetahui ketidakwajaran tersebut masih tergantung pada analisa
tenaga ahli yang memerlukan waktu yang lama untuk melakukan analisa berbagai
parameter telemetri yang ada. Berdasarkan kondisi di atas, penelitian ini melakukan
analisis statistik terhadap data telemetri terutama data pergerakan kapal dan aktivitas
mesin untuk menentukan koefisien pergerakan kapal, lalu merancang sistem
pengklasifikasi kewajaran pemakaian BBM dengan metode Naive Bayes dan Logistic
Regression. Metode ini dipilih karena bisa memberikan hasil yang baik untuk prediksi
data-­data numerik maupun diskrit. Hasil penelitian ini menunjukkan bahwa data telemetri
dari sistem VMS dapat digunakan untuk mendeteksi adanya ketidakwajaran pemakaian
BBM. Untuk kebutuhan klasifikasi kewajaran pemakaian BBM pada data telemetri kapal,
algoritma pengklasifikasi Naive Bayes memiliki akurasi hingga 92% pada data sampel
dan Logistic Regression mampu mendeteksi dengan akurasi hingga 96% pada data
sampel.

ABSTRACT
In Indonesia, one of the causes of high fuel costs is the occurrence of theft and misuse of
fuel which often occurs in the middle of the ocean. This can happen because when in the
middle of the ocean, all the activities of the ship cannot be monitored by the ship
management operational center. In addition to legal efforts, efforts to monitor ships
through the latest technology are also being carried out, one of which is the Machine to
Machine (M2M) Vessel Monitoring System (VMS) technology. The development of
VMS and telemetry technology has enabled monitoring of engine conditions and fuel
consumption of ships that are sailing online and real time. By adding the fuel consumption
measurement device, it is expected to increase the speed of coordination and handling in
the field when there is an irregularity in the use of fuel. Speed in knowing the existence
of this irregularity is very important, because the process of oil theft is often done in a
short time. Theft of oil by illegal tapping on land only takes 15 minutes for 2000 liters (2
tons) of fuel, while at sea it takes around 5 hours to move 12 tons of fuel, or around 2.4
tons per hour for a ship. The problem is to find out the irregularities that still depend on
the analysis of experts who need a long time to analyze various parameters of existing
telemetry. Based on the above conditions, this study conducted a statistical analysis of
telemetry data, especially ship movement data and machine activity to determine the
coefficient of ship movements, then designed the fuel usage irregularity classification
system with the Naive Bayes and Logistics Regression. This method was chosen because
it can provide good results for predicting numerical and discrete data. The results of this
study indicate that telemetry data from the VMS system can be used to detect any
irregularities in using BBM. For the needs of the fairness classification of BBM usage on
ship telemetry data, the Naive Bayes classification algorithm has an accuracy of up to
92% in sample data and Logistic Regression is able to detect with accuracy up to 96% in
sample data.

 File Digital: 1

Shelf
 T53091-Herry Susanto.pdf :: Unduh

LOGIN required

 Metadata

No. Panggil : T53091
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Subjek :
Penerbitan : [Place of publication not identified]: [Publisher not identified], 2019
Program Studi :
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : unmediated ; computer
Tipe Carrier : volume ; online resource
Deskripsi Fisik : xiv, 85 pages : illustration ; 28 cm + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI, Lantai 3
  • Ketersediaan
  • Ulasan
No. Panggil No. Barkod Ketersediaan
T53091 15-21-428018725 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20490845