Sistem Navigasi Cerdas Robot Pengantar Makanan Dengan Pendekatan Machine Learning - Dalam bentuk buku karya ilmiah
FERNANDO AMANDA NIKOLA

Informasi Umum

Kode

25.04.2124

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

27 kali

Informasi Lainnya

Abstraksi

Perkembangan teknologi otomasi kini semakin nyata dirasakan di berbagai bidang, <br /> termasuk dalam sektor layanan seperti restoran. Salah satu inovasi menarik yang mulai <br /> banyak diterapkan adalah penggunaan robot pengantar makanan. Inovasi ini hadir untuk <br /> meningkatkan efisiensi dan ketepatan dalam proses pelayanan. Namun, penerapan robot di <br /> lingkungan restoran yang dinamis bukan tanpa tantangan. Perubahan posisi meja, lalu<br /> lalang pelanggan, dan kondisi ruang yang tidak selalu sama membuat navigasi menjadi hal <br /> yang kompleks. Sistem navigasi konvensional yang masih bergantung pada titik tetap dan <br /> tidak mampu merespons perubahan secara real-time menjadi salah satu kendala utama. <br /> Untuk menjawab tantangan tersebut, dikembangkanlah sistem navigasi cerdas <br /> berbasis Machine Learning yang mampu memetakan lingkungan secara langsung (real<br /> time). Sistem ini menggunakan sensor RPLiDAR dan metode SLAM ”Simultaneous <br /> Localization and Mapping” untuk membangun peta lingkungan secara otomatis dan <br /> akurat. Proses pengolahan data dilakukan oleh Raspberry Pi sebagai pusat kendali. Dalam <br /> perencanaan jalur, sistem ini menggabungkan algoritma K-Nearest Neighbors (KNN) <br /> untuk pengenalan lingkungan dan Breadth-First Search (BFS) untuk pencarian rute <br /> terbaik. Setelah rute ditentukan, jalur tersebut disempurnakan dengan teknik smoothing <br /> agar robot dapat bergerak lebih mulus dan bebas dari hambatan. <br /> Berdasarkan hasil pengujian, sistem ini mampu memetakan 2 lingkungan sekitar <br /> yang berbeda dengan akurasi mencapai 99.55% dan akurasi lokalisasi dengan pengujian <br /> 30 titik kordinat yang berbeda mencapai 99.29 %. Rata-rata deviasi pengukuran kurang <br /> dari 5 cm, menunjukkan performa navigasi yang akurat. Robot dapat menentukan jalur <br /> dari titik awal ke tujuan secara efisien dan mampu menghindari rintangan tanpa <br /> mengalami tabrakan. Selain itu, kecepatan gerak robot yang stabil di kisaran ±0,3 m/s <br /> memungkinkan pergerakan yang aman dan responsif terhadap perubahan posisi objek di <br /> sekitarnya. Dengan keunggulan tersebut, sistem navigasi ini terbukti dapat meningkatkan <br /> keandalan dan efektivitas robot pengantar makanan, terutama saat beroperasi di <br /> lingkungan yang penuh dinamika seperti restoran.<br /> <br /> Kata kunci: navigasi robot, machine learning, SLAM, RPLiDAR, robot pengantar makanan.

• AZK4CAA4 - Tugas Akhir

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook