Perancangan Aplikasi Mobile Path Planning Berbasis Algoritma Ant Colony Optimization
Keywords:
ACO, Path planning, Kendaraan otonom, Aplikasi mobileAbstract
Kemajuan teknologi yang begitu pesat telah memunculkan berbagai inovasi di berbagai bidang kehidupan, termasuk sektor transportasi. Salah satu inovasi tersebut adalah kendaraan otonom, yaitu kendaraan yang mampu beroperasi tanpa pengemudi dan dapat mencapai tujuan tertentu secara mandiri tanpa campur tangan manusia. Dalam pengembangannya, aspek navigasi dan perencanaan rute yang optimal menjadi bagian penting dari penelitian dibidang kendaraan otonom. Tujuan dari penelitian ini adalah merancang dan mengembangkan aplikasi mobile yang mampu menentukan rute terdekat dengan memanfaatkan algoritma ant colony optimization (ACO). Pembuatan aplikasi dilakukan menggunakan software Visual Studio Code sebagai editor kode, serta menerapkan model pengembangan sistem waterfall. Ant Colony Optimization diimplementasikan sebagaiĀ algoritma utama dalam pencarian rute, dengan bantuan Google Maps API untuk menyuplai data yang dibutuhkan. Firebase juga digunakan sebagai layanan autentikasi pengguna (sign up dan sign in), sekaligus penyimpanan data riwayat perjalanan. Berdasarkan hasil pengujian, aplikasi mobile yang dikembangkan berhasil menjalankan fungsinya dengan baik, hasil pengujian blackbox setiap tahapan yang dilewati dapat dilaksanakan dengan baik. Aplikasi ini berhasil beroperasi sesuai fungsi dan fitur yang telah dirancang dengan baik. Dari pengujian panjang rute yang dihasilkan rata-rata error terhadap panjang rute yang dibentuk google map sebesar sebesar 1,8 m. Aplikasi mampu menampilkan live tracking ketika kendaraan otonom berjalan dengan delay rata-rata sebesar 0,3 detik. Kesimpulan dari penelitian ini adalah aplikasi mobile path planning berbasis algoritma ACO dapat di implementasikan dan berfungsi dengan baik sebagai penentu rute terdekat pada kendaraan otonom.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Seminar Nasional FORTEI Regional I

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.