Metode Improved Gaussian Sampling Pada Algoritma Rapidly Exploring Random Tree*

Pakaya, Habiba Octaviani (2021) Metode Improved Gaussian Sampling Pada Algoritma Rapidly Exploring Random Tree*. Other thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_ Habiba Octaviani Pakaya_ Cover.pdf - Published Version Download (23kB) | Preview
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_Lembar Pengesahan.pdf - Published Version Download (120kB) | Preview
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_ Surat Keterangan Persetujuan Publikasi.pdf - Published Version Download (138kB) | Preview
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_Surat Pernyataaan Tidak Plagiat.pdf - Published Version Download (123kB) | Preview
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_ Kata Pengantar.pdf - Published Version Download (69kB) | Preview
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_ Daftar isi.pdf - Published Version Download (419kB) | Preview
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_ BAB 1.pdf - Published Version Download (28kB) | Preview
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_ BAB 2.pdf - Published Version Download (429kB) | Preview
	Text UNIKOM_ Habiba Octaviani Pakaya_ BAB 3.pdf - Published Version Restricted to Repository staff only Download (823kB) | Request a copy
	Text UNIKOM_ Habiba Octaviani Pakaya_ BAB 4.pdf - Published Version Restricted to Repository staff only Download (744kB) | Request a copy
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_ BAB 5.pdf - Published Version Download (16kB) | Preview
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_ Daftar Pustaka.pdf - Published Version Download (82kB) | Preview
Preview	Text UNIKOM_ Habiba Octaviani Pakaya_ Kontak Penulis dan Kontributor.pdf - Published Version Download (91kB) | Preview

Abstract

Penelitian ini bertujuan merancang metode improved gaussian sampling dan mengimplementasikan pada algoritma Rapidly Exploring Random Tree* (RRT*). Perancangan yang dilakukan menggunakan bahasa pemograman Laboratory Virtual Instrumentation Engineering Workbench (LabVIEW). Improved gaussian sampling merupakan pengembangan dari metode gaussian sampling dengan menambahkan jumlah sampling. Jumlah sampling yang digunakan pada metode ini yaitu sejumlah 10 sampling. Untuk mengukur performansi dari metode sampling yang diusulkan, maka kami melakukan perbandingan performansi metode improved gaussian sampling, gaussian sampling dan random sampling. Berdasarkan hasil pengujian improved gaussian sampling didapatkan rata-rata nilai path cost dan waktu komputasi senilai: clutter sepanjang 8,89 dengan waktu 40,05; narrow sepanjang 12,58 dengan waktu 40,03 dan trap sepanjang 9,93 dengan waktu 40,04. Sedangkan hasil pengujian gaussian sampling didapatkan: clutter sepanjang 10 dengan waktu 40,09; narrow sepanjang 13,53 dengan waktu 40,03 dan trap sepanjang 10,95 dengan waktu 40,12. Hasil pengujian random sampling didapatkan: clutter sepanjang 10,86 dengan waktu 0,03; narrow sepanjang 14,82 dengan waktu 0,25 dan trap sepanjang 11,71 dengan waktu 0,21. Disimpulkan bahwa pada algoritma RRT* dengan menggunakan metode improved gaussian sampling menghasilkan performansi yang lebih baik dibandingkan algoritma RRT* yang menggunakan metode sampling lainnya. Hasil perbandingan pengukuran berdasarkan nilai sampling didapatkan rata-rata nilai path cost rata-rata 10,12 dengan jumlah sampling hanya 1 dan nilai path cost terpendek 8,9 dengan jumlah sampling 10. Berdasarkan pengukuran tersebut didapatkan semakin banyak jumlah sampling yang diberikan maka nilai path cost yang dihasilkan optimal.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	gaussian sampling, Improved gaussian sampling, path cost, RRT*, sampling.
Subjects:	500_NATURAL SCIENCES & MATHEMATICS > 510_Mathematics Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	S1_SKRIPSI > FTIK_Teknik Elektro (31)
Depositing User:	Mrs. Calis Maryani
Date Deposited:	25 May 2022 07:50
Last Modified:	25 May 2022 07:50
URI:	http://elibrary.unikom.ac.id/id/eprint/5386

Actions (login required)

View Item