UNIKOMUNIKOM

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

Perencanaan jalur merupakan salah satu program penunjang untuk robotika atau kendaraan. Pada perencanaan jalur dibutuhkan algoritma yang tepat agar mendapatkan hasil yang optimal. Algoritma Informed Rapidly-exploring Random Tree* (Informed-RRT*) merupakan algoritma untuk perencanaan jalur yang berbasis sampling atau pengambilan sampel acak pada ruang pencarian. Pada penelitian ini akan dilakukan analisis performansi algoritma Informed-RRT* dengan metode boundary sampling dan Informed-RRT* metode goal biasing sampling. Tujuan penelitian ini yaitu membandingkan kedua algoritma tersebut untuk mendapatkan algoritma dengan performansi terbaik dalam melakukan perencanaan jalur. Pengujian dilakukan berbasis simulasi menggunakan software Labview. Dalam pengujian ini digunakan beberapa kasus lingkungan obstacle yang ada, yaitu lingkungan narrow, trap dan clutter. Kriteria untuk menentukan performansi yang optimal yaitu jarak jalur (path cost), waktu komputasi, dan jumlah node. Dari hasil yang didapatkan, nilai rata-rata algoritma Informed-RRT* metode boundary sampling menghasilkan waktu komputasi yang lebih cepat dan juga jumlah node yang lebih sedikit dibandingkan dengan Informed-RRT* metode goal biasing sampling, sedangkan untuk jarak jalur algoritma dengan kedua metode tersebut memiliki hasil yang hampir sama. Dapat disimpulkan bahwa algoritma Informed-RRT* metode boundary sampling memiliki performansi lebih optimal dibandingkan dengan algoritma Informed-RRT* metode goal biasing sampling.

Berdasarkan pengujian algoritma Informed-RRT* metode boundary sampling dan Informed-RRT* metode goal biasing sampling, dapat disimpulkan bahwa algoritma Informed-RRT* metode boundary sampling memiliki performansi yang lebih optimal.Hal ini ditunjukkan dari waktu komputasi yang lebih cepat dan jumlah node yang lebih sedikit dibandingkan dengan metode goal biasing sampling.Meskipun demikian, jarak jalur yang dihasilkan oleh kedua metode tersebut menunjukkan hasil yang hampir sama.Penelitian ini dapat menjadi dasar pengembangan algoritma pencarian jalur untuk aplikasi robotika dan kendaraan otonom.

Penelitian selanjutnya dapat difokuskan pada pengembangan algoritma Informed-RRT* dengan menggabungkan metode boundary sampling dan goal biasing sampling secara adaptif, sehingga dapat memanfaatkan keunggulan masing-masing metode sesuai dengan karakteristik lingkungan. Selain itu, eksplorasi penggunaan teknik pembelajaran mesin untuk memprediksi performansi algoritma Informed-RRT* berdasarkan fitur-fitur lingkungan dapat dilakukan, dengan tujuan untuk memilih metode sampling yang paling sesuai secara otomatis. Terakhir, penelitian dapat diperluas dengan menguji algoritma Informed-RRT* pada lingkungan yang lebih kompleks dan dinamis, termasuk lingkungan dengan obstacle bergerak dan perubahan konfigurasi lingkungan secara real-time, untuk menguji ketahanan dan adaptabilitas algoritma dalam skenario dunia nyata. Penelitian-penelitian ini diharapkan dapat menghasilkan algoritma perencanaan jalur yang lebih efisien, robust, dan adaptif untuk berbagai aplikasi robotika dan kendaraan otonom.

Read online
File size614.42 KB
Pages11
DMCAReport

Related /

ads-block-test