Container Crane (CC) adalah alat berat yang digunakan untuk memindahkan peti kemas dalam proses bongkar muat di pelabuhan. Di Terminal Petikemas New Makassar, pemeriksaan fisik kontainer dilakukan sebelum kontainer dipindahkan dari kapal guna memastikan tidak ada kerusakan yang terjadi selama pelayaran. Pemeriksaan fisik kontainer, khususnya di bagian atap, masih dilakukan secara manual oleh Petugas Keamanan Pelabuhan karena belum tersedia sistem yang mampu mendeteksi kebocoran pada atap kontainer.
Penelitian ini bertujuan untuk merancang dan membuat sistem yang dapat mendeteksi kebocoran pada atap kontainer menggunakan metode machine learning. Sistem ini menggunakan kamera CCTV (Closed-Circuit Television) yang terintegrasi dengan model deteksi objek berbasis You Only Look Once (YOLO), serta dilengkapi dengan website monitoring untuk menampilkan hasil deteksi dan memberikan notifikasi jika terdeteksi kebocoran.
Berdasarkan hasil pengujian, sistem berhasil mendeteksi kebocoran pada atap kontainer dengan tingkat akurasi rata-rata sebesar 90,19% pada siang hari dan 83,09% pada malam hari. Pengujian juga dilakukan menggunakan data gambar lubang buatan yang menyerupai kerusakan akibat benturan twistlock untuk memvalidasi kemampuan sistem dalam mendeteksi bentuk lubang selain lubang twistlock. Hasilnya, didapatkan akurasi tertinggi sebesar 92,03% pada lubang besar di siang hari dan terendah 79,51% pada lubang kecil di malam hari. Performa sistem juga diuji menggunakan perangkat dengan berbagai spesifikasi, di mana kinerja terbaik diperoleh pada perangkat dengan prosesor AMD Ryzen 9 dan GPU Radeon 680M. Waktu proses deteksi sistem rata-rata berkisar antara 0,76 hingga 0,9 detik, tergantung pada intensitas cahaya.
Kata Kunci: Atap Kontainer, CCTV, Container Crane, Deteksi Kebocoran, Machine Learning.