Available via license: CC BY-SA 4.0
Content may be subject to copyright.
Saturnus: Jurnal Teknologi dan Sistem Informasi
Volume. 2 No. 4 Oktober 2024
e-ISSN : 3031-9943, dan p-ISSN : 3031-9935, Hal. 249-260
DOI: https://doi.org/10.61132/saturnus.v2i4.354
Available online at: https://journal.arteii.or.id/index.php/Saturnus
Received: Juni 15, 2024; Revised: Juli 17, 2024; Accepted: Agustus 21, 2024; Online Available: Agustus 23, 2024
Peningkatan Akurasi Pada Sistem Monitoring Posisi Kapal Menggunakan
Metode Kalman Filter
Herianto 1*, Fajri Profesio Putra 2, Muhammad Asep Subandri 3
1,2,3 Teknik Informatika/Rekayasa Perangkat Lunak, Politeknik Negeri Bengkalis, Indonesia
anto17985@gmail.com 1*, fajri@polbeng.ac.id 2, msubandri@polbeng.ac.id 3
Alamat Kampus: Jl. Bathin Alam, Sungai Alam. Bengkalis Riau - 28711
Korespondensi penulis: anto17985@gmail.com
Abstract. This research produces a monitoring system to determine the position of the ship using the Kalman
Filter method in web-based system development using the waterfall development method. This system allows users
to view the position and coordinates of the ship in real-time. By applying the Kalman Filter method, uncertainty
and noise in measuring the position of the ship can be reduced, thereby increasing the accuracy in determining
the actual position of the ship. The system development process is carried out using the waterfall method which
consists of requirements analysis, design, implementation, testing, and maintenance. The developed web-based
system provides more accurate and reliable information to users, with the ability to view the position and
coordinates of the ship in real time. This research contributes to the development of a more effective ship position
monitoring system that can be used in various purposes such as navigation, surveillance, and ship monitoring.
Keywords: Kalman Filter, Coordinates, Ship Position, Website, Waterfall
Abstrak. Penelitian ini menghasilkan sebuah sistem monitoring untuk mengetahui posisi kapal dengan
menggunakan metode Kalman Filter dalam pengembangan sistem berbasis web menggunakan metode
pengembangan waterfall. Sistem ini memungkinkan pengguna untuk melihat posisi dan koordinat kapal secara
real- time. Dengan menerapkan metode Kalman Filter, ketidak pastian dan noise dalam pengukuran posisi kapal
dapat dikurangi, sehingga meningkatkan akurasi dalam menentukan posisi sebenarnya kapal. Proses
pengembangan sistem dilakukan menggunakan metode waterfall yang terdiri dari analisis kebutuhan,
perancangan, implementasi, pengujian, dan pemeliharaan. Sistem berbasis web yang dikembangkan memberikan
informasi yang lebih akurat dan dapat diandalkan kepada pengguna, dengan kemampuan untuk melihat posisi dan
koordinat kapal dalam waktu nyata. Penelitian ini berkontribusi pada pengembangan sistem monitoring posisi
kapal yang lebih efektif dan dapat digunakan dalam berbagai keperluan seperti navigasi, pengawasan, dan
pemantauan kapal.
Kata kunci: Kalman Filter, Koordinat, Posisi Kapal, Website, Waterfall
1. LATAR BELAKANG
Di era modern ini banyak kapal yang masih menggunakan kompas untuk mengetahui
arah dan tujuan, namun tak jarang metode tersebut membuat arah menjadi tidak akurat.
Masalah yang sering dihadapi kapal ialah kehilangan arah dan koordinat saat berlayar.
Tujuan dari penelitian ini adalah membuat sistem untuk pemantauan posisi kapal saat
berlayar menggunakan GPS (Global Posistioning System), dan di akuratkan lagi dengan
menggunakan metode Kalman Filter, metode Kalman Filter ini berfungsi untuk
menghilangkan noise pada data yang belum akurat dan dengan adanya permasalahan
tersebut dibuatlah analisis dan perancangan sistem dalam bentuk website untuk
memudahkan syahbandar dalam melihat posisi kapal yang sedang berlayar di perairan
lepas.
PENINGKATAN AKURASI PADA SISTEM MONITORING POSISI KAPAL
MENGGUNAKAN METODE KALMAN FILTER
250 SATURNUS - VOLUME. 2, NO. 4, OKTOBER 2024
Pemantauan posisi merupakan aspek penting dalam berbagai aplikasi, termasuk
navigasi, pemetaan, kendali lalu lintas, dan survei. Dalam banyak kasus, keakuratan
pemantauan posisi menjadi faktor kritis yang mempengaruhi kualitas dan kehandalan
sistem. Dalam situasi nyata, terdapat ketidakpastian yang terkait dengan perolehan data
posisi, seperti gangguan, kesalahan pengukuran, atau noise. Ketidakpastian ini dapat
mengakibatkan estimasi posisi yang tidak akurat, Jadi untuk menghindari ketidak akuratan
tersebut saya menerapkan metode kalman filter. Metode Kalman Filter adalah metode
matematis yang digunakan untuk memperbaiki estimasi dan prediksi dengan
mempertimbangkan ketidakpastian (Setiawan, Triharminto, & Fahrurozi, 2021). Metode
ini memiliki kemampuan untuk menggabungkan informasi dari sumber yang berbeda,
seperti data sensor dan model sistem, sehingga menghasilkan estimasi posisi yang lebih
akurat (Purnaningrum, 2020).
Muzawi, dkk, (2019) menjelaskan, sistem monitoring merupakan suatu proses untuk
mengumpulkan data yang real time dari berbagai sumber daya. GPS (Global Positioning
System) adalah sistem satelit navigasi dan penentuan posisi dikelola oleh Amerika Serikat
(Dogruyol dkk, 2021). Sistem ini didesain untuk memberikan posisi dan kecepatan tiga-
dimensi serta informasi mengenai waktu, secara kontinyu di seluruh dunia tanpa
bergantung waktu dan cuaca, kepada banyak orang secara simultan (Imamshadiqin dkk,
2022). Pada saat ini, sistem GPS sudah banyak digunakan di Indonesia, terutama yang
terkait dengan aplikasi-aplikasi yang menuntut informasi tentang posisi (Sudirman, 2019).
Sehubungan dengan pembahasan diatas metode Kalman Filter ini dapat
menghilangkan noise dari suatu sinyal yang mengandung informasi dan mengambil
informasi tersebut untuk diproses lebih lanjut. Suatu proses yang menggunakan Kalman
Filter untuk mem-filter noise harus dapat disajikan dalam dua persamaan, yaitu persamaan
state dan persamaan keluaran. Kalman Filter digunakan untuk menyelesaikan
permasalahan estimasi state pada suatu proses yang dapat dinyatakan dalam persamaan
deferensial linear seperti pada persamaan (Hasan, dkk., 2021).
Tujuan dari penelitian ini adalah mengembangkan sistem monitoring posisi kapal
yang handal dan akurat menggunakan GPS dengan metode Kalman Filter. Sistem ini
diharapkan dapat memberikan informasi posisi yang real-time dan akurat kepada kapten
kapal dan dapat meningkatkan keamanan pelayaran kapal yang efisiensi melalui
penggunaan sistem monitoring posisi yang terintegrasi dan dapat diandalkan. Dengan
demikian, skripsi ini akan fokus pada pengembangan sistem monitoring posisi kapal
menggunakan GPS dengan metode Kalman Filter. Penelitian ini memiliki relevansi yang
e-ISSN : 3031-9943, dan p-ISSN : 3031-9935, Hal. 249-260
tinggi dengan kebutuhan dalam industri perkapalan dan memiliki potensi untuk
meningkatkan keamanan dan efisiensi pelayaran kapal. Melalui penggunaan metode
Kalman Filter, diharapkan sistem ini dapat memberikan estimasi posisi yang akurat dan
memenuhi kebutuhan kapten kapal dalam memantau pergerakan kapal mereka di perairan.
2. KAJIAN TEORITIS
Hasan dkk. (2021), dalam jurnal penelitiannya yang berjudul “Rancang Bangun
Sistem Monitoring Posisi Dan Kecepatan Kapal Secara Online Berbasis Mobile Android”
pada penelitian ini akan mengembangkan sebuah sistem rancang bangun aplikasi android
untuk mendeteksi keadaan posisi dan kecepatan kapal serta memudahkan kesyahbandaran
dalam memonitor posisi dan kecepatan kapal pada saat berlayar. Dengan mengaplikasikan
mikrokontroller dan beberapa sensor seperti flow meter yang berfungsi untuk mengetahui
kecepatan laju kapal dan Global Position System (GPS) untuk mengetahui lokasi koordinat
kapal. Dalam penelitian ini belum menerapkan metode hanya menetapkan berbasis Mobile
dan Android. Perbedaan penelitian ini dengan penelitian yang di lakukan adalah
menerapkan metode Kalman Filter untuk mengakuratkan data.
Penelitian selanjutnya yang di lakukan oleh (Desnanjaya, dkk., 2021). Dengan judul
“Sistem Pendeteksi Keberadaan Nelayan Menggunakan GPS Berbasis Arduino” Dalam
penelitian ini membahas Global Position System (GPS) adalah sistem navigasi yang dapat
memberikan informasi dari suatu alat yang berhubungan dengannya dari satelit (Malah
dkk, 2022). Alat yang berhubungan tersebut dinamakan GPS receiver. Informasi yang
diperoleh antara lain berupa posisi lintang (latitude) dan posisi bujur (longitude). Informasi
latitude dan longitude inilah yang dapat memberitahukan posisi suatu benda dari satelit.
Dalam penelitian ini dilakukan proses pencarian nelayan dengan menggunakan GPS
sebagai sistem pendeteksi keberadaan nelayan berbasis Arduino, tidak adanya membahas
metode yang di gunakan dalam penelitian. Perbedaan dengan penelitian yang akan di
lakukan adalah membuat sistem berbasis web yang berfungsi untuk melihat pergerakan
kapal.
(Mulyanto , dkk., 2022). Penelitian yang berjudul “Sisitem Informasi Monitoring
Kapal Nelayan Pada Satuan Kerja Pengawasan Sumber Daya Kelaudan dan Perikanan”.
Dari penelitian ini masalah yang di hadapi masih banyak terdapat pelayaran yang di
lakukan secara ilegal daan lemahnya pengawasan terhadap pelayaran yang terjadi di
perairan lepas. Metode yang di gunakan dalam penelitian ini adalah System Development
PENINGKATAN AKURASI PADA SISTEM MONITORING POSISI KAPAL
MENGGUNAKAN METODE KALMAN FILTER
252 SATURNUS - VOLUME. 2, NO. 4, OKTOBER 2024
Life Cycle (SDLC). Perbedaan penelitian ini dengan penelitian yang akan di lakukan
adalah metode pengembangan waterfall.
Penelitian yang berjudul “Sistem Monitoring Keamanan Pelayaran Nelayan Berbasis
Internet Of Things” yang di lakukan oleh (Budiman & Suryana, 2019). Sistem monitoring
merupakan suatu sistem yang digunakan untuk melakukan pemantauan dan pengawasan
agar petugas yang berwenang dapat mengetahui siapa nelayan dan kapal apa yang sedang
berlayar di lautan sehingga apabila terjadi keadaan darurat di laut, masalah tersebut akan
cepat diatasi. Dengan memanfaatkan teknologi internet of things maka akan dibuat sebuah
aplikasi yang dapat melakukan pemantauan kapal nelayan yang sedang berlayar
menggunakan modul GPS sebagai alat untuk mendapatkan posisi kapal, modul NRF24
sebagai alat untuk mengirimkan data dari kapal ke stasiun penerima, tombol panik untuk
melaporkan kondisi darurat dan modul Sim800 untuk mengirimkan data ke webserver.
Metode pengembangan perangkat lunak yang di gunakan adalah metode prototyping.
3. METODE PENELITIAN
Metode Waterfall
Penelitian yang di lakukan oleh (Wahid, 2020) Metode air terjun atau yang sering
disebut metode waterfall sering dinamakan siklus hidup klasik (classic life cycle), nama
model ini sebenarnya adalah “Linear Sequential Model” dimana hal ini menggambarkan
pendekatan yang sistematis dan juga berurutan pada pengembangan perangkat lunak,
dimulai dengan spesifikasi kebutuhan pengguna lalu berlanjut melalui tahapan-tahapan
perencanaan (planning), permodelan (modelling), konstruksi (contruction), serta
penyerahan sistem ke para pengguna (deployment), yang diakhiri dengan dukungan pada
perangkat lunak lengkap yang dihasilkan. Berikut adalah tahapan metode waterfall
(Bariah, 2020):
e-ISSN : 3031-9943, dan p-ISSN : 3031-9935, Hal. 249-260
Gambar 1. Metode Waterfall
a. Requirements
Tahap ini pengembang sistem diperlukan komunikasi yang bertujuan untuk
memahami perangkat lunak yang diharapkan oleh pengguna dan batasan perangkat lunak
tersebut. Informasi dapat diperoleh melalui wawancara, diskusi atau survei langsung.
Informasi dianalisis untuk mendapatkan data yang dibutuhkan oleh pengguna.
b. Design
Pada tahap ini, pengembang membuat desain sistem yang dapat membantu
menentukan perangkat keras (hardware) dan sistem persyaratan dan juga membantu dalam
mendefinisikan arsitektur sistem secara keseluruhan.
c. Implementation
Pada tahap ini dilakukan implementasi hasil desain menjadi sebuah bahasa program.
Penulis telah merancang sistem pendeteksi posisi kapal dengan menggunakan metode
Kalman Filter untuk mengakuratkan posisi.
d. Verification
Verification adalah tahap pengujian sistem apakah sudah berjalan sesuai dengan
fungsinya atau tidak. Penulis telah melakukan pengujian pada website ini secara langsung
yang berfokus pada akurasi posisi menggunakan Kalman Filter.
e. Maintenance
Dalam tahap maintenance dilakukan penanganan kesalahan (error handling)
berdasarkan hasil dari pengujian. Setiap kesalahan yang diidentifikasi selama pengujian
sistem akan dianalisis secara mendalam untuk memahami akar penyebabnya. Proses ini
Requirem
ent
•Studi Literatur
•Pengumpulan Data
Design
•Analisa Sistem
•Perancangan Sistem
Implemen
tation
•Implementasi Sistem
Verificati
on
•Pengujian Sistem
Maintena
nce
•Perbaikan Sistem
PENINGKATAN AKURASI PADA SISTEM MONITORING POSISI KAPAL
MENGGUNAKAN METODE KALMAN FILTER
254 SATURNUS - VOLUME. 2, NO. 4, OKTOBER 2024
melibatkan perbaikan bug, pembaruan kode, dan implementasi solusi untuk memastikan
bahwa kesalahan tersebut tidak muncul kembali di masa depan.
4. HASIL DAN PEMBAHASAN
Bagian ini akan berisi hasil dari website yang sudah di selesaikan sesuai dengan
desain yang telah dirancang sebelumnya. Adapun tampilannya adalah halaman peta dan
halaman pelaporan peta. Penjelasan daripada tiap-tiap halaman yang disebutkan dapat
diuraikan sebagai berikut:
a. Halaman home. Halaman home merupakan halaman awal yang akan ditampilkan,
dimana pada halaman ini pengguna nantinya dapat melihat landing page dari website.
b. Tampilan home yang nantinya untuk menampilkan posisi kapal pada peta dengan
penanda biru atu di sebut juga marker yang di baca langsung olehalat esp32, sensor Gps
dan di tampilkan halaman web.
c. Halaman about peta ini adalah penjelasan singkat tentang sistem tracking atau
monitoring.
Berikut merupakan hasil dari rancangan berdasarkan desain yang sudah dibuat pada
tahapan sebelumnya.
Halaman Awal
Tampilan peta adalah halaman utama yang akan di tampilkan, dimana nantinya
halaman ini akan menampilkan titik atau penanda kapal beranda. Dapat dilihat pada
gambar berikut ini.
Gambar 2. Halaman Awal
Potongan Kode
var map = L.map('map').setView([0, 0], 15);
L.tileLayer('https://{s}.tile.openstreetmap.org/{z}/{x}/{y}.p
ng', {
e-ISSN : 3031-9943, dan p-ISSN : 3031-9935, Hal. 249-260
attribution: '© OpenStreetMap contributors'
}).addTo(map);
function updateMarker(location) {
varlatLng=[parseFloat(location.field1),
parseFloat(location.field2)];
// Remove existing marker
map.eachLayer(function (layer) {
if (layer instanceof L.Marker) {
map.removeLayer(layer);
}
})
Halaman About
Halaman pelaporan ini merupakan halaman yang berisi tentang penjelasan tentang
GPS tracker. Dapat di lihat pada gambar berikut.
Gambar 3. Halaman About
Kode Arduino
Kode arduino ini berfungsi untuk menangkap dan mengirimkan data dari sensor gps
dan esp32 sebagai mikro kontrollernya.
// Kalman filter variables
double Q_angle = 0.001;
double Q_bias = 0.003;
double R_measure = 0.03;
double angle = 0;
double bias = 0;
double P[2][2] = {{0, 0}, {0, 0}};
clare a WiFi client WiFiClient client;
// Check if GPS data is not received after 5 seconds
(millis() > 5000 && gps.charsProcessed() < 10) {
Serial.println(F("No GPS detected: check wiring."));
while (true);
}
}
void displayInfo() {
Serial.print(F("Location: "));
if (gps.location.isValid()) {
Serial.print("Lat: ");
Serial.print(gps.location.lat(), 6);
Serial.print(F(","));
Serial.print("Lng: ");
Serial.print(gps.location.lng(), 6);
PENINGKATAN AKURASI PADA SISTEM MONITORING POSISI KAPAL
MENGGUNAKAN METODE KALMAN FILTER
256 SATURNUS - VOLUME. 2, NO. 4, OKTOBER 2024
Serial.println();
} else {
Serial.println(F("INVALID"));
}
}
void KalmanFilter() {
double gyro = gps.course.deg();
// Prediction phase angle += (gyro -
bias);
P[0][0] += Q_angle; P[0][1] -= Q_angle;
P[1][0] -= Q_angle;
P[1][1] += Q_bias;
// Measurement phase
double y = gps.course.deg() - angle; double S = P[0][0] + R_measure; double K[2]; //
Kalman gain
K[0] = P[0][0] / S;
K[1] = P[1][0] / S;
Potongan kode di atas menjelaskan tentang cara pengolahan data kalman filter dan
pengiriman posisi berupa latitude dan longitude dan selanjutnya di kirimkan ke halaman
web melalui Api ThingSpeak.
Perhitungan Kalman Filter
Kalman Filter dibagi menjadi dua proses, prediksi dan koreksi. Setiap proses
prediksi dan koreksi tersebut terdapat beberapa langkah. Dimana dalam proses prediksi
ada dua angkah, yaitu prediksi state dan prediksi kovarian error. Seperti pada Persamaan
𝑥𝑘 adalah prediksi state dan 𝑃𝑘 adalah prediksi kovarian error.
Hasil Pengujian
Dari hasil pengujian ini di dapat lah grafik yang belum menggunakan Kalman dan
yang sudah menggunakan Kalman.
a. Pengujian Tanpa Kalman Filter
Gambar 4. Grafik tanpa Kalman Filter
Dari pengujian di atas masih banyak terdapat noise pada titik grafik dan perubahan titik
yang kurang akurat.
e-ISSN : 3031-9943, dan p-ISSN : 3031-9935, Hal. 249-260
b. Pengujian dengan Kalman Filter
Gambar 5. Grafik Dengan Menerapkan Kalman Filter
Dengan adanya kalman filter hasil posisi dari pengujian di atas menjadi semakin akurat
dan noise yang sebelumnya masih ada, dengan di terapkannya metode Kalman Filter ini
maka hasilnya semakin bagus.
c. Pengujian dengan Filter Eksponensial
Gambar 6. Grafik Dengan Menerapkan Metode Filter Ekponensial
Dengan metode Filter Eksponensial hasil posisi dari pengujian di atas masih kurang akurat
dan noise-nya masih terlihat jelas, dari metode ini dapat dilihat bahwa dengan Kalman
Filter pengukuran posisi masih lebih akurat.
5. KESIMPULAN DAN SARAN
Adapun kesimpulan yang dapat ditarik dari penelitian ini yaitu pembangunan sistem
monitoring posisi kapal dengan menerapkan metode kalman filter memberikan dukungan
PENINGKATAN AKURASI PADA SISTEM MONITORING POSISI KAPAL
MENGGUNAKAN METODE KALMAN FILTER
258 SATURNUS - VOLUME. 2, NO. 4, OKTOBER 2024
signifikan bagi pengembang, hasil pengujian menunjukkan bahwa aplikasi yang
dikembangkan oleh penulis sudah dapat di operasikan, dalam penelitian ini kalman filter
sangat cocok untuk meningkatkan akurasi posisi GPS. Saran untuk sistem ini agar
pengembangannya nanti dapat menambah fitur notifikasi keadaan kapal.
DAFTAR REFERENSI
Bariah, S. H. & Putra, M. I., 2020. Penerapan Metode Waterfall Pada perancangan Sistem
Informasi Pengolahan Data Nilai Siswa. Jurnal petik.
Budiman, A. & Suryana, T., 2019. Sistem Monitoring Keamanan Pelayaran Nelayan Berbasis
Internet Of Things. Jurnal Teknik Informatika.
Desnanjaya, I. M., Nugraha, I. M. & Hadi, S., 2021. Sistem Pendeteksi Keberadaan Nelayan
Menggunakan GPS Berbasis Arduino. Jurnal Sumberdaya Akuatik Indopasifik.
Dogruyol, R. B., Murdapa, F., & Rahmadi, E. (2021). KAJIAN PENGOLAHAN DATA GPS
MENGGUNAKAN SOFTWARE ONLINE BERBASIS DIFFERENSIAL. Journal
of Geodesy and Geomatics.
Hasan, N. K., S. & Taufiqurrohman, M., 2021. Rancang Bangun Sistem Monitoring Posisi Dan
Kecepatan Kapal Secara Online Dan Kecepatan Kapal Secara Online.Jurnal Teknik
Elektro Dan Komputer Triac.
Imamshadiqin, & dkk. (2022). PELATIHAN PENGGUNAAN TEKNOLOGI GLOBAL
POSITIONING SYSTEM (GPS) SEBAGAI ALAT BANTU OPERASI
PENANGKAPAN IKAN BAGI GENERASI MILLENNIAL ACEH. Marine Kreatif,
144-154.
Khofifah, W., Rahayu, D. N. & Yusuf, A. M., 2022. Analisis Sentimen Menggunakan
Naive Bayes Untuk Melihat Review Masyarakat Terhadap Tempat WisataPantai
Di Kabupaten Karawang Pada Ulasan Google Maps.Jurnal Teknologi Informasi
dan Komunikasi.
Malah, I., Sumual, H., & Rianto, I. (2022). PERANCANGAN SISTEM ABSENSI,
TRACKING GURU DAN SISWA DI SEKOLAH MENENGAH KEJURUAN.
EduTIK: Jurnal Pendidikan Teknologi Informasidan Komunikasi, 159-171.
Mulyanto , A., Romahdoni, M. R. & Ananda, R., 2022. Sistem Informasi Monitoring Kapal
Nelayan Pada Satuan Kerja Pengawasan Sumber Daya Kelautan dan Perikanan.
Jurnal Sofware Enginering dan Technologi.
Muzawi, R., T. & Nasution, M., 2019. Sistem Monitoring Ketersedian Bahan BakuCor Beton
Menggunakan Metode Market Basket Analysis. JurnalTeknologi dan Informasi.
Purnaningrum, E., 2020. Pendekatan Metode Kalman Filter untuk Peramalan Pergerakan
Indeks Harga Saham Terdampak Pandemi Coronavirus. Jurnal Majalah
Ekonomi.
e-ISSN : 3031-9943, dan p-ISSN : 3031-9935, Hal. 249-260
Setiawan, R., Triharminto, H. H., & Fahrurozi, M. (2021). Gesture Control Menggunakan IMU
MPU 6050 Metode Kalman Filter Sebagai Kendali Quadcopter. Prosiding Seminar
Nasional Sains Teknologi dan Inovasi Indonesia (hal. 411-422). Yogyakarta:
Akademi Angkatan Udara.
Sudirman, 2019. Gps Kapal Ikan Berbasis Radio Menggunakan Arduino. Jurnal Sains, pp. 27-
31.
Tabrani, M. & Aghniya, I. . R., 2019. Implementasi Metode Waterfall Pada Program Simpan
Pinjam Koperasi Subur Jaya Mandiri Subang. Jurnal interkom.
Wahid, A. A., 2020. Analisis Metode Waterfall Untuk Pengembangan Sistem Informasi
Manajemen Informatika dan computer.
