UNIKOMUNIKOM

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

Path planning merupakan urutan keadaan untuk memindahkan objek dari keadaan awal ke keadaan akhir, serta menghindari daerah yang tidak dapat dilalui. Objek disini dapat berupa robot, mobil otonom dan yang lainnya. Algoritma A* merupakan algoritma pencarian jalur yang menggunakan estimasi jarak dengan menggunakan pencarian jalur terdekat untuk mencapai tujuan. Weighted A* adalah algoritma yang digunakan untuk memecahkan masalah pencarian jalur dengan mengubah nilai bobot pada fungsi heuristiknya. Tujuan dari penelitian ini yaitu menganalisa perbandingan algoritma Weighted A* dengan algoritma A*, serta menganalisa pengaruh nilai bobot heuristik pada algoritma Weighted A*. Pengujian yang dilakukan yaitu menggunakan lingkungan maze, narrow, trap, clutter. Hasil yang didapat pada perbandingan algoritma Weighted A* dan A*, diperoleh algoritma Weighted A* menghasilkan waktu pencarian rata-rata yang lebih baik yaitu sebesar 3,49 detik, sedangkan algoritma A* menghasilkan waktu rata-rata sebesar 4,68 detik. Tetapi algoritma A* dapat menghasilkan jalur rata-rata yang lebih optimal yaitu 53,90 dibandingkan algoritma Weighted A* yang menghasilkan jalur rata-rata sebesar 53,91. Dengan strategi yang lebih menekankan pemilihan node yang lebih dekat dengan node goal, maka Weighted A* dapat menghasilkan jalur dengan waktu komputasi yang lebih cepat. Sedangkan algoritma A* karena memilih node dengan nilai heuristik terkecil, maka dapat menghasilkan jalur yang lebih optimal. Weighted A* cocok di implementasikan pada sistem yang membutuhkan waktu pencarian jalur yang lebih singkat tapi tidak harus optimal. Algoritma A* cocok di implementasikan pada sistem yang membutuhkan jalur optimal walaupun waktu pencariannya tidak terlalu cepat.

Penelitian ini menunjukkan bahwa algoritma Weighted A* menghasilkan waktu pencarian yang lebih baik dibandingkan algoritma A*.Namun, algoritma A* menghasilkan jalur yang lebih optimal.Strategi Weighted A* yang menekankan pemilihan node terdekat dengan tujuan menghasilkan waktu komputasi yang lebih cepat, sementara A* dengan pemilihan node berdasarkan nilai heuristik terkecil menghasilkan jalur yang lebih optimal.Weighted A* cocok untuk sistem yang mengutamakan kecepatan pencarian, sedangkan A* ideal untuk sistem yang membutuhkan jalur optimal.

Berdasarkan keterbatasan penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, perlu dilakukan pengujian algoritma Weighted A* dan A* pada lingkungan yang lebih kompleks dan dinamis, seperti lingkungan perkotaan dengan lalu lintas yang padat atau lingkungan dengan rintangan yang bergerak. Hal ini akan memberikan gambaran yang lebih jelas mengenai kinerja kedua algoritma dalam situasi dunia nyata. Kedua, penelitian lebih lanjut dapat dilakukan untuk mengembangkan metode adaptif untuk menentukan nilai bobot heuristik secara otomatis, berdasarkan karakteristik lingkungan dan tujuan pencarian. Dengan demikian, algoritma Weighted A* dapat secara dinamis menyesuaikan strateginya untuk mencapai keseimbangan optimal antara kecepatan pencarian dan kualitas jalur. Ketiga, eksplorasi penggunaan algoritma Weighted A* dalam kombinasi dengan teknik pembelajaran mesin, seperti reinforcement learning, dapat dilakukan untuk meningkatkan kemampuan algoritma dalam mempelajari pola dan membuat keputusan yang lebih cerdas dalam perencanaan jalur. Kombinasi ini berpotensi menghasilkan algoritma perencanaan jalur yang lebih robust dan efisien.

Read online
File size983.33 KB
Pages12
DMCAReport

Related /

ads-block-test