IMPLEMENTASI ALGORITMA RAPIDLY EXPLORING RANDOM TREE (RRT) UNTUK PEMETAAN JALUR ROBOT OTONOM PADA LINGKUNGAN TAK TERSTRUKTUR

Robot otonom memerlukan sistem navigasi yang mampu melakukan pemetaan lingkungan dan perencanaan jalur secara akurat pada lingkungan tak terstruktur. Penelitian ini bertujuan mengimplementasikan algoritma rapidly exploring random tree (RRT) sebagai metode perencanaan jalur pada robot otonom yang memanfaatkan sensor RP LiDAR, rotary encoder, dan MPU6050. Peta yang dihasilkan digunakan sebagai dasar perencanaan jalur menggunakan algoritma RRT dengan parameter clearance, step size, max iteration, dan goal bias. Pengujian dilakukan terhadap performa sensor, metode wall following, slam, serta pengaruh variasi parameter RRT terhadap waktu perencanaan, panjang jalur, dan keberhasilan pencarian lintasan.rnHasil penelitian menunjukkan bahwa sensor RP LiDAR memiliki rata-rata kesalahan pengukuran sebesar 0,0425 m sehingga mampu digunakan untuk proses pemetaan lingkungan. Metode wall following memperoleh tingkat keberhasilan sebesar 80%, sedangkan algoritma SLAM menghasilkan tingkat keberhasilan pemetaan sebesar 60%. implementasi algoritma RRT dengan parameter clearance 0,05 m, step size 0,10 m, max iteration 5000, dan goal bias 0,12 berhasil menemukan jalur pada seluruh skenario pengujian dengan waktu perencanaan berkisar antara 1,12–5,38 detik serta panjang jalur 3,54–5,94 m. Hasil pengujian juga menunjukkan bahwa peningkatan nilai step size mampu mengurangi jumlah node dan mempercepat proses pencarian jalur, sedangkan nilai clearance yang terlalu besar 0,20–0,25 m menyebabkan kegagalan perencanaan jalur karena ruang gerak robot menjadi terbatas. Selain itu, hasil perbandingan antara jalur hasil algoritma RRT dan jalur aktual menunjukkan tingkat kesesuaian yang tinggi, sehingga algoritma RRT terbukti efektif untuk diterapkan sebagai metode perencanaan jalur robot otonom pada lingkungan tak terstruktur.