Efektifitas Penggunaan Radar untuk Sekuritas Maritim oleh Bea dan Cukai dalam Mencegah Masuknya Barang Ilegal

Gusti Ariandi; Nisha Desfi  Arianti

doi:10.31004/riggs.v5i2.10459

Authors

Gusti Ariandi Universitas Karimun
Nisha Desfi Arianti Universitas Karimun

DOI:

https://doi.org/10.31004/riggs.v5i2.10459

Keywords:

Radar Cuaca, Efektivitas, Penggunaan, Illegal Cigarettes, Barang Ilegal

Abstract

Penelitian ini bertujuan menganalisis efektivitas penggunaan radar oleh Direktorat Jenderal Bea dan Cukai dalam mendukung sekuritas maritim serta mencegah masuknya barang ilegal melalui jalur laut. Penelitian menggunakan pendekatan kualitatif deskriptif yang dilaksanakan di Pangkalan Sarana Operasi Bea dan Cukai Tipe A Tanjung Balai Karimun. Data diperoleh melalui wawancara, observasi selama kegiatan lapangan, dan dokumentasi, kemudian dianalisis secara sistematis untuk mengidentifikasi kemampuan operasional radar, dukungan terhadap deteksi dini, serta kendala penerapannya. Hasil penelitian menunjukkan bahwa radar efektif meningkatkan pengawasan maritim karena mampu beroperasi selama 24 jam, menyediakan informasi pergerakan kapal secara real-time, bekerja dalam kondisi cuaca dan jarak pandang yang terbatas, serta membantu petugas menentukan sasaran pemeriksaan secara lebih terarah. Temuan lapangan juga memperlihatkan bahwa informasi radar mendukung identifikasi pola pergerakan yang tidak wajar dan memperkuat tindakan penindakan terhadap penyelundupan, termasuk barang yang masuk tanpa memenuhi ketentuan. Meskipun demikian, efektivitas sistem masih dipengaruhi oleh kompetensi dan kelelahan operator, besarnya volume data, gangguan teknis, keterbatasan integrasi dengan Automatic Identification System, satelit, dan perangkat pengawasan lain, serta kebutuhan koordinasi antarinstansi. Oleh karena itu, optimalisasi penggunaan radar memerlukan pelatihan operator secara berkelanjutan, penerapan prosedur analisis dan verifikasi target, penguatan jaringan komunikasi, integrasi multisensor, serta pembaruan teknologi. Penelitian ini menegaskan bahwa radar merupakan instrumen peringatan dini yang penting, tetapi keberhasilannya ditentukan oleh keterpaduan teknologi, sumber daya manusia, dan tindak lanjut operasional.

Downloads

Download data is not yet available.

References

1. Dahsan, S., Anandari, A. A., Lestari, A. A., & Gultom, R. A. G. (2024). Optimalisasi Penggunaan Radar Maritim untuk Pengawasan dan Deteksi Dini dalam Konteks Pertahanan Maritim. Journal on Education, 6(2), 13488–13499.

2. Hasan, H., Bora, M. A., Afriani, D., Artiani, L. E., Puspitasari, R., Susilawati, A., Dewi, P. M., Asroni, A., Yunesman, Y., & Merjani, A. (2025). Metode penelitian kualitatif. Yayasan Tri Edukasi Ilmiah.

3. Heppi, H. D. (2023). Peningkatan Keamanan Maritim Melalui Teknologi Deteksi Dan Pencegahan Kapal Berbahaya: Peningkatan Keamanan Maritim Melalui Teknologi Deteksi Dan Pencegahan Kapal Berbahaya. Transborders: International Relations Journal, 6(2), 37–49.

4. Rahmawati, A., Halimah, N., Karmawan, K., & Setiawan, A. A. (2024). Optimalisasi Teknik Wawancara Dalam Penelitian Field Research Melalui Pelatihan Berbasis Participatory Action Research Pada Mahasiswa Lapas Pemuda Kelas IIA Tangerang. Jurnal Abdimas Prakasa Dakara, 4(2), 135–142.

5. Sidik, M. A., Yulianto, B. A., Saragih, H. J. R., Widodo, P., & Suwarno, P. (2023). Tinjauan Ketahanan Maritim dan Keamanan Maritim dalam Mendukung Keamanan Nasional Indonesia. NUSANTARA: Jurnal Ilmu Pengetahuan Sosial, 10(7), 3338–3353.

6. Antunes, N., Ferreira, J. C., Pereira, J., & Rosa, J. (2022). Grid-Based Vessel Deviation from Route Identification with Unsupervised Learning. Applied Sciences, 12(21), 11112. https://doi.org/10.3390/app122111112

7. Kelly, P. (2022). A Novel Technique to Identify AIS Transmissions from Vessels Which Attempt to Obscure Their Position by Switching Their AIS Transponder from Normal Transmit Power Mode to Low Transmit Power Mode. Expert Systems with Applications, 202, 117205. https://doi.org/10.1016/j.eswa.2022.117205

8. Liang, M., Weng, L., Gao, R., Li, Y., & Du, L. (2024). Unsupervised Maritime Anomaly Detection for Intelligent Situational Awareness Using AIS Data. Knowledge-Based Systems, 284, 111313. https://doi.org/10.1016/j.knosys.2023.111313

9. Liu, J., Li, J., & Liu, C. (2024). AIS-Based Kinematic Anomaly Classification for Maritime Surveillance. Ocean Engineering, 305, 118026. https://doi.org/10.1016/j.oceaneng.2024.118026

10. Ribeiro, C. V., Paes, A., & de Oliveira, D. (2023). AIS-Based Maritime Anomaly Traffic Detection: A Review. Expert Systems with Applications, 231, 120561. https://doi.org/10.1016/j.eswa.2023.120561

11. Stach, T., Kinkel, Y., Constapel, M., & Burmeister, H.-C. (2023). Maritime Anomaly Detection for Vessel Traffic Services: A Survey. Journal of Marine Science and Engineering, 11(6), 1174. https://doi.org/10.3390/jmse11061174

12. Sun, S., Lyu, H., & Dong, C. (2023). AIS Aided Marine Radar Target Tracking in a Detection Occluded Environment. Ocean Engineering, 288, 116133. https://doi.org/10.1016/j.oceaneng.2023.116133

13. Wang, C. M., Li, Y., Min, L., Chen, J., Lin, Z., Su, S., Zhang, Y., Chen, Q., Chen, Y., Duan, X., Wei, J., & Zhu, S. (2023). Intelligent Marine Area Supervision Based on AIS and Radar Fusion. Ocean Engineering, 285, 115373. https://doi.org/10.1016/j.oceaneng.2023.115373

14. Wang, X., Song, X., & Zhao, Y. (2024). Identification and Positioning of Abnormal Maritime Targets Based on AIS and Remote-Sensing Image Fusion. Sensors, 24(8), 2443. https://doi.org/10.3390/s24082443

15. Wolsing, K., Roepert, L., Bauer, J., & Wehrle, K. (2022). Anomaly Detection in Maritime AIS Tracks: A Review of Recent Approaches. Journal of Marine Science and Engineering, 10(1), 112. https://doi.org/10.3390/jmse10010112

16. Yan, Z., Song, X., Zhong, H., Yang, L., & Wang, Y. (2022). Ship Classification and Anomaly Detection Based on Spaceborne AIS Data Considering Behavior Characteristics. Sensors, 22(20), 7713. https://doi.org/10.3390/s22207713

17. Zhang, B., Hirayama, K., Ren, H., Wang, D., & Li, H. (2023). Ship Anomalous Behavior Detection Using Clustering and Deep Recurrent Neural Network. Journal of Marine Science and Engineering, 11(4), 763. https://doi.org/10.3390/jmse11040763