Integrasi YOLO Dan Algoritma A* Untuk Navigasi Mobile Robot Pada Lingkungan Berhalangan

Navigasi merupakan komponen penting dalam pengembangan mobile robot otonom, khususnya pada lingkungan indoor yang memiliki berbagai rintangan. Penelitian ini mengembangkan sistem navigasi dengan mengintegrasikan algoritma YOLOv11 sebagai metode deteksi objek dan Algoritma A* sebagai perencana jalur terpendek. Sensor utama yang digunakan dalam penelitian ini adalah kamera yang dipasang pada posisi di atas area pengujian (ceiling camera) untuk memperoleh tampilan menyeluruh terhadap lingkungan navigasi. Citra yang diperoleh dari kamera diproses secara real time menggunakan YOLOv11 untuk mengidentifikasi rintangan, kemudian hasil deteksi dikonversi ke dalam bentuk peta grid sebagai dasar perhitungan jalur aman menggunakan Algoritma A*. Jalur yang dihasilkan selanjutnya dieksekusi oleh robot dengan mekanisme Differential Drive Mobile Robot (DDMR) berdasarkan perhitungan pergerakan roda. Pengujian dilakukan pada lingkungan indoor dengan variasi rintangan untuk mengevaluasi akurasi deteksi dan efektivitas jalur yang dihasilkan. Hasil penelitian menunjukkan bahwa integrasi deteksi objek berbasis deep learning dengan algoritma perencanaan jalur heuristik mampu meningkatkan keandalan robot dalam menghindari rintangan dan mencapai titik tujuan secara optimal. Sistem yang dikembangkan menunjukkan potensi dalam mendukung navigasi robot yang lebih akurat dan adaptif pada lingkungan terstruktur.