EEPIS Repository

Perencanaan Jalur Untuk Mobile Robot Berbasis Compact Genetic Algorithm

Bima, Bima Sena Bayu (2010) Perencanaan Jalur Untuk Mobile Robot Berbasis Compact Genetic Algorithm. Industrial Electronic Seminar.

[img]
Preview
PDF
Download (576Kb) | Preview

    Abstract

    Permasalahan yang timbul pada sebuah pencarian dan pembentukan jalur optimal pada sebuah robot mobil adalah kemampuan untuk menghindarkan diri dari halangan, kecepatan algoritma dan jarak jalur yang dibentuk. Beberapa metode sebelumnya : novel (seperti Adaptif Path Planner, Potential Field Method, Road Map dan Djikstra) kebanyakan hanya mampu menyelesaikan dua diantara ketiga parameter yang dipersyaratkan tersebut, yaitu kecepatan algoritma dan kemampuan menghindari tumbukan. Sedangkan Algoritma Genetika (GA) juga hanya mampu menyelesaikan dua parameter yaitu kemampuan menghindari tumbukan dan jarak terpendek, namun gagal di kecepatan algoritma sehingga sulit untuk dijadikan sebuah system online. Untuk itu perlu digunakan sebuah system baru yang lebih cepat namun tetap mampu menghindari halangan dan jarak terpendek tercapai, yaitu dengan Algoritma Genetika Kompak (cGA). Penelitian ini akan diawali dengan simulasi sebuah area, dimana didalamnya diletakkan posisi inisial dan posisi akhir (tujuan) serta obyek lain sebagai penghalang (obstacle). Setelah area dan halangan diketahui, maka Algoritma Genetika Kompak (cGA) akan mulai membangun jalur terpendek dan paling aman (tidak menumbuk halangan) dengan memanfaatkan beberapa via point yang diberikan secara acak diluar area halangan (obstacle). Hasil akhir dari algoritma tersebut adalah berupa jalur dengan jarak terpendek dan teraman. Hasil cGA juga dibandingkan dengan algoritma konvensional yang lainnya yaitu GA. Hasil perbandingan dievaluasi dengan menggunakan parameter kemampuan menghindari halangan, jarak terpendek dan waktu komputasi algoritma, diperoleh sebagai berikut : cGA mampu menghindari halangan sebesar 83,3%, sedangkan GA sebesar 74,9%. Jarak tempuh terpendek cGA sebesar 307 pixel, sedangkan GA sebesar 309 pixel, yang terjadi pada saat tanpa penghalang. Waktu komputasi cGA cenderung tetap yaitu sekitar 3,8 ms, sedangkan GA antara 2,66 ms hingga 3018 ms. Sehingga dari tiga parameter keberhasilan perencanaan dan pembentukan jalur dengan algoritma cGA, yaitu : waktu komputasi algoritma, jarak tempuh dan kemampuan menghindari halangan, maka cGA dapat dijadikan sebagai alternatif pilihan yang tepat jika diinginkan pemrosesan dilakukan secara online.

    Item Type: Article
    Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
    Q Science > QA Mathematics > QA76 Computer software
    Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
    Depositing User: Ms Mellissa Andayani
    Date Deposited: 14 Mar 2011 19:48
    Last Modified: 31 Mar 2011 22:41
    URI: http://repo.pens.ac.id/id/eprint/17

    Actions (login required)

    View Item