Text

SISTEM PATH PLANNING PADA AUTONOMOUS ELECTRIC VEHICLE BERBASIS HYBRID IMPROVED ANT COLONY OPTIMIZATION DAN DEEP LEARNING

---

Teknologi kendaraan otonom memerlukan sistem navigasi yang andal untuk menghadapi lingkungan dinamis dan kondisi jalan yang kompleks. Tantangan utama meliputi perencanaan rute optimal, deteksi objek secara real-time, serta adaptasi terhadap rintangan. Penelitian ini mengusulkan integrasi Improved Ant Colony Optimization (IACO) dan YOLOv8 sebagai solusi terpadu untuk perencanaan rute dan deteksi objek pada kendaraan otonom. IACO dikembangkan dengan panduan regresi linear untuk meningkatkan eksplorasi dan mencegah terjebaknya algoritma pada lokal minimum. Hasil pengujian menunjukkan bahwa IACO menghasilkan rute yang lebih optimal dibandingkan Traditional ACO (TACO), dengan mean absolute error sebesar 7,29 m, sedangkan TACO mencapai 144 m. Selain itu, IACO memiliki waktu komputasi lebih cepat, yaitu 0,82 detik dibandingkan 1,28 detik pada TACO. Implementasi sistem terintegrasi IACO–YOLOv8 mencapai tingkat keberhasilan 100% pada pengujian real-time di Kampus UNSRI Indralaya, baik pada kondisi dengan maupun tanpa rintangan. Sistem mampu menghasilkan rute optimal, menampilkan posisi kendaraan secara real-time, serta mempertahankan kinerja deteksi objek yang stabil. Hasil penelitian ini menunjukkan bahwa integrasi IACO dan YOLOv8 efektif untuk mendukung navigasi kendaraan otonom di lingkungan yang kompleks dan dinamis.

---

Availability

Detail Information

Series Title

-

Call Number

T1897622025

Publisher

Palembang : Prodi Doktor Ilmu Teknik, Fakultas Teknik Universitas Sriwijaya., 2025

Collation

xx, 232 hlm.; ilus.; tab.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

629.892 07

Content Type

Text

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Prodi Doktor Ilmu Teknik
Deep Learning--Autonomous Systems

Specific Detail Info

-

Statement of Responsibility

MI

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment