UNIKOMUNIKOM

Telekontran : Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika TerapanTelekontran : Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika Terapan

Tujuan dari penelitian ini adalah melakukan studi perbandingan performansi dari beberapa algoritma perencanaan jalur. Penelitian ini membandingkan empat algoritma perencanaan jalur yang terkenal, yaitu algoritma Probabilistic Roadmap (PRM), Rapidly-exploring Random Tree (RRT), RRT* dan Informed-RRT*. Pengujian dilakukan melalui eksperimen berbasis simulasi menggunakan python. Pengujian dilakukan menggunakan beberapa kasus benchmark yang ada, yaitu lingkungan narrow, maze, trap dan clutter. Kriteria optimalitas yang dibandingkan adalah biaya jalur, waktu komputasi dan jumlah total node pada pohon yang dibutuhkan. Dari hasil pengujian, terlihat bahwa algoritma RRT memiliki waktu komputasi yang tercepat tetapi memiliki kualitas jalur yang kurang baik. Algoritma RRT*, informed-RRT* dan PRM memiliki kualitas jalur yang mirip. Algoritma PRM memiliki waktu komputasi tertinggi dibandingkan algoritma RRT, RRT* maupun informed-RRT*. Hasil penelitian ini akan memberikan informasi kepada pembaca mengenai algoritma mana yang paling cocok untuk digunakan pada aplikasi pengguna dimana terdapat beberapa parameter kerja yang hendak dioptimalkan.

Penelitian ini menunjukkan bahwa algoritma RRT memiliki kecepatan komputasi tertinggi namun kualitas jalurnya kurang optimal.Algoritma RRT*, informed-RRT*, dan PRM menghasilkan kualitas jalur yang sebanding, namun PRM membutuhkan waktu komputasi paling lama.Pemilihan algoritma yang tepat bergantung pada prioritas aplikasi, apakah kecepatan komputasi atau kualitas jalur yang lebih penting.

Penelitian lanjutan dapat dilakukan dengan menguji algoritma-algoritma ini pada lingkungan yang lebih kompleks dan dinamis, seperti lingkungan 3D atau lingkungan dengan banyak objek bergerak. Selain itu, penelitian dapat difokuskan pada pengembangan algoritma hibrida yang menggabungkan keunggulan dari beberapa algoritma yang ada, misalnya dengan menggabungkan kecepatan RRT dengan kualitas jalur RRT*. Selanjutnya, eksplorasi penggunaan teknik machine learning untuk memprediksi performa algoritma perencanaan jalur berdasarkan karakteristik lingkungan dapat menjadi arah penelitian yang menarik, sehingga memungkinkan pemilihan algoritma yang lebih adaptif dan efisien. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam pengembangan sistem robot otonom yang lebih cerdas dan adaptif.

Read online
File size555.5 KB
Pages11
DMCAReport

Related /

ads-block-test