ABSTRAK Nama : Irwan Priyanto Program Studi : Magister Ilmu Komputer Judul : Deteksi Kapal menggunakan Deep Learning Pada Citra Satelit Synthetic Aperture Radar (SAR) Pembimbing : Prof. Dr. Ir. Aniati Murni Arymurthy, M.Sc Deteksi kapal pada citra satelit Synthetic Aperture Radar (SAR) memiliki peranan yang sangat penting dalam bidang sipil maupun militer dalam beberapa tahun terakhir. Deteksi kapal menggunakan citra satelit SAR pada lokasi inshore merupakan salah satu penelitian yang masih menjadi perhatian sampai saat ini. Dikarenakan latar belakang citra SAR yang kompleks, kapal menjadi sulit dideteksi secara akurat, kapal berukuran kecil menjadi mudah terabaikan, dan untuk distribusi kapal yang berdekatan menjadi sulit dibedakan. Penelitian ini bertujuan untuk mengembangkan model deep learning yang dapat melakukan deteksi kapal pada lokasi inshore dan offshore dengan peningkatan akurasi pada lokasi inshore. Metode yang diusulkan berupa model deep learning berbasis YOLOv3 yang dikembangkan dengan tetap mempertahankan Darknet-53 sebagai backbone untuk mengekstrak fitur. Modul peningkatan fitur dibangun dengan mengandalkan Spatial Pyramid Pooling (SPP) untuk meningkatkan ukuran bidang reseptif, sedangkan untuk mengurangi false negative yang terjadi pada lingkungan inshore, maka ditambahkan modul Spatial Attention Module (SAM). Pada tahap terakhir dari metode deteksi, digunakan Distance IoU Non Maximum Suppression (DIoU-NMS) untuk memilih kotak pembatas yang paling tepat untuk objek. Dataset SAR Ship Detection Dataset (SSDD) digunakan untuk pelatihan dan pengujian. Berdasarkan eksperimen, metode yang diusulkan memiliki akurasi yang baik dengan perolehan nilai mAP sebesar 98.64% untuk pengujian data gabungan lokasi offshore dan inshore. Dibandingkan dengan metode baseline, untuk pengujian pada lokasi inshore terjadi peningkatan akurasi mAP sebesar 13.28% sehingga nilai mAP meningkat menjadi 96.63%. Kata Kunci: Deteksi kapal, DIoU-NMS, SAM, SPP, SSDD, YOLOv