Pengembangan kendaraan otonom memerlukan teknologi yang robust untuk memastikan stabilitas arah selama pergerakan. Tantangan utama adalah mempertahankan gerakan lurus kendaraan meskipun terdapat gangguan sensor dan drift kumulatif. Penelitian ini mengembangkan sistem estimasi orientasi untuk kendaraan otonom menggunakan sensor IMU 9-DOF, dengan fokus pada pengukuran yaw untuk koreksi pergerakan lateral pada lintasan 2D.
Kalman Filter 3-state diimplementasikan untuk mengintegrasikan data yaw, yaw rate, dan bias giroskop guna meningkatkan estimasi orientasi dinamis. Sistem diuji pada prototipe JetRacer AI Kit dengan sensor IMU BNO055 menggunakan kontrol kemudi adaptif. Pengujian meliputi lintasan bebas rintangan sepanjang 540 cm dan 1370 cm serta evaluasi respons terhadap gangguan orientasi <10° dan >20°.
Hasil penelitian menunjukkan bahwa Kalman Filter mencapai reduksi noise yaw rate sebesar 87,5% (dari 1,6°/s menjadi 0,2°/s) dan secara efektif mengatasi masalah angle wrapping dan drift kumulatif IMU. Sistem kemudi memberikan koreksi real-time dengan respons cepat (0,7s) untuk gangguan kecil dan respons halus (2,1s) untuk gangguan besar. Akurasi sensor mencapai error giroskop 1,80% dan error magnetometer 0,16%. Penelitian ini membuktikan bahwa penerapan Kalman Filter dalam pemrosesan data IMU secara signifikan meningkatkan stabilitas arah kendaraan otonom.
Kata kunci: kendaraan otonom, IMU, Kalman Filter, estimasi orientasi, stabilitas arah