Abstrak - Perencanaan jalur merupakan salah satu hal yang sistem kontrol robot yang saling bekerja sama untuk mencapai
sangat penting pada dunia robotika terutama autonomous robot, tujuan tertentu. Dari ketiga komponen tersebut, kontrol robot
untuk dapat bergerak maka robot autonomous membutuhkan jalur merupakan hal yang paling utama menjadi perhatian selama
yang akan menuntuk pergerakan, atau langkah yang harus diambil ini, bisa dibilang sebagai otak sebuah robot. Dibutuhkan
selanjutnya, bisa juga dibilang sebagai penentuan titik koordinat sebuah sebuah kontrol (otak) yang baik sehingga robot dapat
yang akan dituju sehingga robot dapat bergerak sampai ketujuan bekerja dengan baik dan kontrol dari robot dikatakan cerdas
dengan menempuh jalur terdekat dan menuntun robot untuk tidak jika sistem yang diberikan merupakan sistem yang memiliki
mengambil langkah yang tidak perlu. Penelitian ini menggunakan kemampuan mandiri atau memiliki kepintaran dalam
algoritma adaptive A-star sebagai algoritma pencari jalur
mengambil keputusan berdasarkan informasi yang diterima.
terpendek, algoritma yang digunakan merupakan pengembangan
dari algoritma A-star sehingga dapat melakukan pencarian jalur Smart system memiliki tiga komponen penting : (i)
secara bertahap dan dilakukan secar berulang untuk menentukan interaktif, kolektif, koordinasi dan operasi paralel (ii)
setiap langkah yang harus diambil robot kedepannya dan algoritma kemampuan mengorganisasi diri (iii) kemampuan beradaptasi
ini termasuk kedalam algoritma sederhana dalam keluarga dan memiliki sifat fleksibel [2], kemampuan tersebut tidak
heuristic algorithm. Lingkungan pengujian dibangun dengan dimiliki oleh embedded system, walaupun demikian tanpa
menggunakan Aplikasi Netlogo 5.3.1, merupakan aplikasi berbasis adanya embedded system maka smart system tidak akan
agen yang dikembangkan oleh Uri Wilensky di center for Connected
terbangun. Perencanaan jalur merupakan salah satu dari
Learning and Compute-based Modeling Northwestern University.
beberapa proses yang digunakan untuk membangun sistem
Hasil pengujian yang telah dilakukan menunjukkan bahwa
algoritma adaptive A-star dapat melakukan pencarian jalur
robot cerdas (smart robot system), penggunaan algoritma
terpendek dengan optimal dan tidak terjebak pada kondisi local sangat dianjurkan dalam membangun sistem cerdas, baik itu
optimal dengan nilai standar deviasi 0.422%. penggunaan algoritma tunggal maupun kombinasi beberapa
algoritma untuk mencapai suatu tujuan, dan salah satu
Pada sebuah industri, terutama industri manufaktur, algoritma yang dapat diimplementasikan pada perencanaan
pengiriman barang baik itu barang hasil produksi, barang hampir jalur adalah algoritma A-star.
jadi, atau bahan baku merupakan bagian penting dari proses
produksi. Untuk meningkatkan hasil produksi dibutuhkan sistem
Banyak penelitian telah dilakukan untuk menguji
pengiriman yang lebih efisien dan efektif. Salah satu perangkat yang keamampuan Algoritma yang digunakan pada Perencanaan
digunakan untuk pengiriman barang adalah Automatic Guided Jalur (path planning) robot bergerak, baik itu pengembangan
Vehicle (AGV), untuk meningkatkan hasil produksi yang lebih sebuah algortima dan atau kombinasi dua bahkan tiga
optimal maka dibutuhkan AGV yang dapat memilih jalan terpendek algoritma sebagai perbandingan algoritma, mencari yang
dari posisi awal AGV berada hingga tempat yang dituju. Pada paling optimal. Algoritma A-star (A*) sering digunakan untuk
Tugas Akhir ini akan dibahas mengenai perancangan dan realisasi efisiensi waktu [4], yang dimaksud efisiensi waktu adalah
AGV beserta algoritma Dijkstra untuk pemilihan jalur terpendek. waktu ketika algoritma ketika melakukan eksekusi (running),
Untuk navigasi AGV dalam mengikuti jalur yang berupa garis semakin cepat algoritma melakukan ekseskusi maka semakin
digunakan logika fuzzy sedangkan untuk mengetahui titik cepat juga robot mengambil keputusan ketika bergerak. Proses
persimpangan dengan terminal yang dituju atau terminal posisi modifikasi algoritma dilakukan untuk mengurangi waktu
sekarang menggunakan Radio Frequency Identification (RFID). proses, dimana hasilnya lebih baik jika dibandingkan sebelum
Berdasarkan hasil dari pengujian sistem, tingkat keberhasilan dimodifikasi.
pergerakan AGV dari terminal satu ke terminal empat sebesar
100% sedangkan dari terminal adalah 60% Ketika bergerak secara autonomous, robot membutuhkan
pemandu biasanya disebut sebagai navigasi, yang akan
Keywords Perencanaan jalur, algoritma pencari bertahap, memandu robot untuk mencapai tujuan tanpa mengalami
algoritma heuristik, algoritma Astar, robot bergerak , automatic hambatan dan dapat mencapai tujuan dengan selamat.
guided vehicle, dijkstra, RFID, fuzzy Navigasi terdiri dari empat bagian penting yaitu perception,
localization, cognition dan path planning [6]. Path planning
I. PENDAHULUAN sendiri terdiri dari metode klasik (cell decomposition, potntial
Algoritma perencanaan jalur pada mobile robot field method, subgoal network, dan road map) serta metode
berkembang sangat cepat, dengan tujuan untuk mencapai heuristik (heuristic method), algoritma A*, D* dan ACO
optimasi pergerakan mobile robot, sehingga robot (mobile diatas termasuk kedalam metode heuristic, ada juga neural
robot) dapat bergerak secara autonomous dengan tujuan yang network, fuzzy logic, dan hybrid algorithm.
jelas dan tidak mengambil langkah-langkah yang tidak perlu.
Pada paper pertama akan menganalisa kinerja algoritma
Pada dasarnya sebuah robot cerdas terdiri dari tiga sistem perencanaan jalur dalam memprediksi pergerakan target
utama yaitu sistem mekanik robot, sistem elektronik robot dan dengan menggunakan algoritma A*, dan menggunakan
DAFTAR PUSTAKA
[1] Arndt M., Berns K. (2012) Mobile Robots in Smart Environments: The
Gambar 4.1 Hasil pengujian Dijkstra Current Situation. In: Levi P., Zweigle O., Häußermann K., Eckstein
B. (eds) Autonomous Mobile Systems 2012. Informatik aktuell.
Springer, Berlin, Heidelberg.
[2] Currel, G., and Dowman, A., “Essential Mathematics and Statistic for
Science Second Edition.” ISBN 978-0-470-69449-7, ISBN 9780-470-
69448-0, by Jon Wiley & Sons, Ltd., Publication 2009.
[3] Mac, T.T et all., “Heuristic Approaches in Robot Path Planning : A
survey”, Robotic and Autonomous Systems 86 (2016) 13-28.
[4] Via, Y. V., “Optimasi Pencapaian Target Pada Simulasi Perencanan
Jalur Robot Bergerak di Lingkungan Dinamis.” JUTI: Jurnal Ilmiah
Teknologi Informasi 10.1 (2012): 15. Web. 11 May 2015.
Gambar 4.2 Hasil Dijkstra dengan posisi awal terminal [5] Guruji, K. A., Agarwal, H., Parsediya, D.K., “Time-Efficient A*
Algorithm for Robott Path Plannig”, 3rd International Conference on
Innovations in Automation and Mechatonics Engineering, Procedia
Technology 23 (2016) 144-149R. Nicole, “Title of paper with only first
IV. KESIMPULAN word capitalized,” J. Name Stand. Abbrev., in press.
Automatic Guided Vehicle memerlukan waktu 2.63 ms [6] Suhendra, T and Priyambodo, T., “Analisis Perbandingan Algoritma
untuk mengolah fuzzy logic dan 552 us untuk eksekusi Perencanaan Jalur Robot Bergerak Pada Lingkungan Dinamis,” IJCCS
(Indonesian J. Comput. Cybern. Syst., vol. 11, no. 1, p. 21, Jan. 2017.
algoritma Dijkstra. Pergerakan Automatic Guided Vehicle
[7] Romdon, Arizal. 2014. RANCANG BANGUN SISTEM
dapat berjalan dari terminal satu menuju terminal dua dengan NAVIGASI AUTOMATIC GUIDED VEHICLE (AGV)
jalan 1 – 3 – 2 – 4 dan dari terminal empat menuju terminal MENGGUNAKAN SENSOR GARIS BERBENTUK LINGKARAN
satu dengan jalan 4 – 2 – 3 – 1 memiliki total panjang jalur DAN FUZZY LOGIC. Bandung : Universitas Telkom.
454.2 cm dengan tingkat keberhasilan membaca tag RFID [8] Priyono, Agung. 2014. Perancangan dan Implementasi One Steered
Traction Wheel Robot dengan Circular Line Sensor menggunakan
adalah 80%. Kontrol Logika Fuzzy. Bandung : Universitas Telkom.