GABUNGAN METODE DJIKSTRA DAN FUZZY C-MEANS UNTUK PENENTUAN RUTE DAN JUMLAH OBYEK RINTANGAN

Abstrak

Sistem simulai navigasi pada robot otonom yang bergerak dengan menghidari rintangan dari titik A (awal) ke titik tujuan B (akhir) dan menempuh rute terpendek tanpa mengubah rintangan sudah banyak dikembangkan dalam beberapa penelitian. Pada penelitian ini dibuat suatu sistem navigasi yang dipasang pada mobil robot, sehingga mampu bergerak dari posisi awal ke posisi akhir dengan melewati dan menghindari rintangan yang disusun acak pada saat robot bergerak, rintangan dapat dipindah sesuai aturan saat robot bergerak. Untuk menyelesaikan hal tersebut maka digunakan metode Dijkstra. Proses awal sistem yaitu mengetahui letak posisi awal, posisi rintangan, dan posisi akhir di bidang yang berukuran 1 meter persegi dan ketinggian kamera 1,5 meter. Posisi semua komponen ditangkap menggunakan kamera. Hasil gambar rintangan diperbesar dengan metode "Low Pass Filter Blurring" terhadap piksel-piksel tetangganya. Hal ini dimaksudkan untuk memberikan jarak aman robot terhadap rintangan. Setelah mengetahui posisi awal, posisi rintangan dan posisi akhir, algoritma Dijkstra akan membangkitkan jalur yang mempunyai jarak terpendek dari titik awal sampai titik akhir, aman dan tidak menabrak rintangan yang ada pada arena.
Tingkat keberhasilan dari simulasi penentuan rute terpendek lintasan menggunakan dijkstra algorithm sebesar 100% untuk keadaan statis dengan ukuran 25 piksel. Dan untuk keadaan dinamis tingkat keberhasilan mencapai 98% dengan 25 piksel. Fuzzy C-Means yang diimplementasikan pada gambar, dimana gambar data - datanya yang dikelompokkan adalah piksel dari setiap titik pada gambar tersebut. Atribut dari setiap piksel dari gambar memiliki atribut warna Red, Green, Blue jika gambar dengan menggunakan format warna RGB dan atribut warna lain sesuai dengan format warna yang digunakan pada gambar. Sehingga pada kasus ini, jumlah data yang diolah adalah sejumlah piksel (p x l) dengan atribut 3 atau dengan 1 atribut jika menggunakan warna grayscale. Hasil pengujian Fuzzy C-Means, obyek yang dapat di deteksi adalah sebanyak 5 obstacle dengan iterasi minimal 30 iterasi. Untuk mendeteksi 1 obstacle hanya membutuhkan minimal 5 iterasi untuk mengetahui posisi obyek. Begitu juga dengan menggunakan 2 obstacle. Untuk jumlah 4 obstacle hanya bisa mendeteksi dengan menggunakan 20 iterasi.