| # 🌊 POSEIDON: Phase 4 |
| ⚡ Output Modeling & Conformal Prediction ⚡ |
|
|
|     |
|
|
| Sistem berbasis **Machine Learning (Positive-Unlabeled Learning)** untuk memprioritaskan target patroli *IUU (Illegal, Unreported, and Unregulated) Fishing* menggunakan citra radar satelit (Sentinel-1 SAR) di wilayah WPP-711 (Laut Natuna Utara). |
|
|
| [Features](#-features) • [Installation](#-installation--usage) • [Architecture](#%EF%B8%8F-architecture) • [Contributors](#-contributors) |
|
|
| --- |
|
|
| ## 🎯 Overview |
|
|
| Bagian **Phase 4** dari *pipeline* analitik mutakhir **POSEIDON (Patrol Oriented SAR Enabled IUU Detection Over Indonesian Natuna)** berisi hasil akhir pemodelan AI untuk memberantas penangkapan ikan ilegal. Model ini mendeteksi anomali pada kapal-kapal "gelap" (tanpa sinyal AIS) dengan mengintegrasikan 18 fitur dari 4 dimensi: |
|
|
| - 🛰️ **Karakteristik Fisik Radar** - Intensitas, pantulan sinyal, dan estimasi panjang kapal. |
| - 🗺️ **Konteks Spasial & Regulasi** - Kedekatan dengan kawasan konservasi (MPA), batas ZEE, dan pos pelabuhan. |
| - 📡 **Status Identitas AIS** - *Matching score* antara deteksi radar dan kapal terdaftar. |
| - ⏳ **Pola Temporal** - Histori kerawanan lokasi dan tingkat kepadatan area dengan aktivitas gelap. |
|
|
| Sistem ini didesain menggunakan metode **Hybrid nnPU (non-negative Positive-Unlabeled) Stacking (LightGBM + XGBoost)** dan dievaluasi menggunakan kerangka **Conformal Prediction** untuk memberikan jaminan keyakinan secara operasional (meminimalkan *False Alarms*). |
|
|
| --- |
|
|
| ## ✨ Features |
|
|
| ### 🧠 Advanced AI Modeling |
| - **Positive-Unlabeled Learning (nnPU)** - Memanfaatkan data penindakan resmi (*Seizure*) sebagai label *Positive* dan deteksi sisa radar sebagai *Unlabeled*. |
| - **Hybrid Ensemble** - Menggabungkan keandalan **LightGBM** dan **XGBoost** ke dalam satu arsitektur *stacking*. |
| - **Conformal Calibration** - Mengkonversi keluaran skor mentah menjadi rentang probabilitas operasional yang ketat. |
|
|
| ### 📊 Comprehensive Datasets |
| - **150,000+ Detections** - Seluruh data deteksi satelit SAR yang telah diproses untuk proses training. |
| - **18 Engineered Features** - Pemrosesan mendalam secara spasial (*haversine distances*) dan temporal. |
|
|
| ### ⚡ Ready for Hugging Face |
| - Model disiapkan menjadi 3 *Fold* untuk masing-masing LightGBM dan XGBoost guna menangani *variance*. |
| - Dataset disuguhkan dalam format `.parquet` yang sangat terkompresi. |
|
|
| --- |
|
|
| ## 🏗️ Architecture |
|
|
| | Komponen | Teknologi | Tanggung Jawab | |
| | --- | --- | --- | |
| | **Pipeline Data** | Pandas, GeoPandas, Numpy | Pemrosesan spasial, manipulasi atribut temporal | |
| | **Model ML** | LightGBM, XGBoost, Scikit-learn | *Positive-Unlabeled inference*, Metrik Evaluasi (AUPRC, AUC) | |
| | **Penyimpanan** | Hugging Face Hub, Parquet | Repository, efisiensi ukuran model *weights* | |
|
|
| --- |
|
|
| ## 🚀 Installation & Usage |
|
|
| ### 1. Download Repository |
| Karena folder ini menyimpan Model *Weights* dan Data pada **Fase 4 (Modeling & Export)**, Anda dapat me-*load*-nya dengan mudah. |
|
|
| ```bash |
| # Clone repository ini (sesuaikan dengan link Hugging Face repo Anda nantinya) |
| git clone https://huggingface.co/JullMol/POSEIDON |
| cd POSEIDON/Phase_4 |
| ``` |
|
|
| ### 2. Menjalankan *Inference* |
|
|
| Gunakan *script* Python di bawah untuk memuat model dan membuat prediksi pada dataset baru: |
|
|
| ```python |
| import lightgbm as lgb |
| import xgboost as xgb |
| import pandas as pd |
| |
| # Load Dataset |
| dataset = pd.read_parquet('sar_labeled.parquet') |
| |
| # Load Model LightGBM (Fold 0) |
| lgb_model = lgb.Booster(model_file='lgb_model_0.txt') |
| |
| # Load Model XGBoost (Fold 0) |
| xgb_model = xgb.Booster(model_file='xgb_model_0.json') |
| |
| # Tentukan fitur model sesuai pipeline POSEIDON |
| features = ['length_m', 'fishing_score', 'dist_to_eez_boundary_km', ...] |
| |
| # Lakukan Prediksi |
| preds_lgb = lgb_model.predict(dataset[features]) |
| print(preds_lgb) |
| ``` |
|
|
| --- |
|
|
| ## 👨💻 Contributors |
|
|
| Dipersembahkan oleh Tim Mahasiswa dari **Universitas Negeri Surabaya**: |
|
|
| - **Faishal Muflih Irfanu Tsaqib** |
| - **Daffa Ahmad Pangreksa** |
| - **Dimas Rafi Izzulhaq** |
|
|
| *Dibuat untuk mendukung penjagaan kedaulatan maritim dan kelestarian sumber daya laut Indonesia.* 🇮🇩 |
|
|
