Indonesia sebagai negara kepulauan sangat bergantung pada transportasi laut dalam mendukung distribusi logistik antar wilayah. Pada operasional di terminal petikemas, khususnya di PT Pelabuhan Indonesia Terminal Petikemas New Makassar, proses pembongkaran kontainer memiliki risiko terjadinya kebocoran yang dapat menyebabkan kerugian material serta membahayakan keselamatan kerja. Oleh karena itu, diperlukan suatu sistem yang mampu mendeteksi kondisi kebocoran kontainer secara otomatis dan akurat.
Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi kebocoran kontainer berbasis kecerdasan buatan dengan pendekatan multi-sensor komplementer, yaitu metode berbasis citra menggunakan algoritma YOLOv8 pada CCTV dan metode berbasis analisis kontur permukaan menggunakan sensor LiDAR. Pada metode LiDAR, pendekatan yang digunakan tidak hanya berfokus pada pengukuran jarak, tetapi juga pada identifikasi perubahan bentuk permukaan berdasarkan hasil pemindaian kontur objek. Sistem yang dikembangkan juga dilengkapi dengan fitur pelaporan otomatis dalam bentuk file PDF untuk mendukung kebutuhan dokumentasi dan monitoring di lingkungan industri.
Berdasarkan hasil pengujian, metode berbasis CCTV menunjukkan performa yang baik dengan tingkat akurasi sebesar 90,19% pada kondisi siang hari dan 83% pada kondisi malam hari, dengan waktu pemrosesan berkisar antara 0,74 detik hingga 0,92 detik. Sementara itu, metode berbasis LiDAR menunjukkan nilai akurasi sebesar 94,29%, precision sebesar 100%, dan recall sebesar 93,94% pada berbagai skenario pengujian. Hasil pengujian juga menunjukkan bahwa sistem LiDAR mampu mendeteksi perubahan kontur permukaan dengan ukuran lubang minimum sekitar 0,7 cm pada area pemantauan.
Hasil penelitian ini menunjukkan bahwa kedua metode memiliki karakteristik yang saling melengkapi, di mana CCTV unggul dalam deteksi berbasis visual, sedangkan LiDAR lebih stabil dalam mendeteksi perubahan struktur permukaan dan tidak bergantung pada kondisi pencahayaan. Dengan adanya sistem pelaporan otomatis, hasil deteksi dapat terdokumentasi secara terstruktur sehingga mendukung proses monitoring, evaluasi, dan inspeksi kontainer di lingkungan industri.

Kata Kunci: Deteksi Kebocoran Kontainer, Kecerdasan Buatan, LiDAR, Sistem Pelaporan Otomati, YOLOv8