ARSITEKTUR YOLOv8 REAL-TIME UNTUK PATROLI PADA AUTONOMOUS SURFACE VESSEL "HERUKA”

YOLOv8 REAL-TIME ARCHITECTURE FOR PATROL ON AUTONOMOUS SURFACE VESSEL "HERUKA"

Abstract

Autonomous Surface Vessel (ASV) “HERUKA” dirancang sebagai kapal patroli nirawak untuk mendukung misi keamanan maritim di Indonesia. Tantangan utama yang dihadapi adalah mendeteksi objek secara akurat dan cepat di lingkungan perairan dengan kondisi yang dinamis. Penelitian ini mengimplementasikan algoritma YOLOv8 sebagai sistem visi komputer untuk mendeteksi objek maritim secara waktu nyata. Dataset kustom dikumpulkan melalui rekaman langsung di perairan serta ditambah dataset publik maritim, kemudian dianotasi menggunakan LabelImg dan diekspor dalam format YOLOv8 (data.yaml) melalui Roboflow. Model dasar YOLOv8s.pt dilatih pada GPU Tesla T4 di Google Colab dengan parameter pelatihan 100 epochs, batch size 16, ukuran gambar 640×640 piksel, serta augmentasi rotasi, flipping, dan perubahan pencahayaan. Hasil pelatihan menunjukkan performa baik dengan nilai Precision 0.986, Recall 0.846, mAP50 mencapai 0.935, dan mAP50-95 sebesar 0.698. Model yang telah dilatih kemudian dioptimasi menggunakan TensorRT FP16, pruning, dan quantization aware training untuk memastikan dapat berjalan secara real-time di perangkat NVIDIA Jetson. Uji coba di laboratorium, kolam, dan laut menunjukkan sistem mampu mendeteksi objek maritim dengan stabilitas yang baik. Implementasi ini membuktikan bahwa YOLOv8 layak digunakan dalam mendukung misi patroli berbasis ASV, sekaligus membuka peluang pengembangan lebih lanjut untuk integrasi multi-sensor dan peningkatan robustnes pada kondisi perairan ekstrem.