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