Jurusan Teknik Elektro ITS Surabaya, Jurusan Teknik Elektro ITS Surabaya, Jurusan Teknik elektro ITS Surabaya
|
|
- Farida Tanuwidjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1 PERENCANAAN JALUR TERPENDEK PADA ROBOT NXT DENGAN OBSTACLE DINAMIS MENGGUNAKAN ALGORITMA D* Wahris Shobri Atmaja 1), Diah Puspito Wulandari, ST.,Msc 2), Ahmad Zaini, ST., MT. 3) Jurusan Teknik Elektro ITS Surabaya, Jurusan Teknik Elektro ITS Surabaya, Jurusan Teknik elektro ITS Surabaya 1) ABSTRACT - In computation world, many algorithm used to find shortest path from two node on the matrix or map. One from many searching algorithm is A* algorithm. A* algoritm same like Djikstra algoritm, but A* algorithm has heuristic function. A* Algorithm must have optimal solution because equal the shortest path from start and the shortest path from goal with static obstacle that has been planning. D* usually called Dynamic A* because the algorithm update the cost if found dynmic obstacle as the A* algorithm runs. With Mindstorms NXT and D* algorithm, Ever make mobile robot with pass the test and succes until goal we want without touch the static obstacle. And then the mobile robot same can finish although any dynamic obstacle because used D* algorithm. The successful of robot to finish with 50 time trial is 84%. Keyword : Robotic, NXT Mindstorms, A*, D* I. PENDAHULUAN Robot saat ini telah banyak dimanfaatkan oleh industri-industri di dunia dalam upaya meningkatkan efisiensi dan efektifitas berbagai aktifitas kerja manusia. Salah satu teknologi robot yang terkenal saat ini adalah LEGO NXT dengan nama NXT Mindstorms. NXT merupakan salah satu tool yang bis dimanfaatkan dalam dunia pendidikan untuk mempelajari pembuatan robot dan pengendaliannya. Untuk mempelajari pembuatan robot dapat dilakukan dengan mendesain menggunakan semua bagian yang sudah disediakn oleh NXT mindstorms untuk menjadi bentuk robot yng diinginkan. Selain itu juga dapat mempelajari program untuk mengendalikan robot dengan software yang sudah disediakan juga oleh NXT mindstorms. Dalam dunia komputasi, sangat banyak algoritma yang dapat digunakan untuk mencari jarak tependek dari dua titik yang terdapat pada suatu matriks (peta). salah satu dari algoritma pencari pasangan titik terdekat itu ialah algoritma A*. Algoritma A* sangat mirip dengan algoritma Djikstra, namun ia memiliki fungsi heuristik tambahan. Algoritma A* juga terkenal sebagai algoritma yang pasti memberikan hasil yang optimal karena menjumlahkan jarak terpendek dari start dan jarak terpendek dari goal dengan konfigurasi map dan obstacle yng sudah di tentukan. Sedangkan algoritma D* adalah algoritma A* dengan update nilai saat A* berjalan karena itu D* biasa disebut Dynamic A*. Algoritma ini berguna untuk mengatasi perubahan konfigurasi map karena adanya obstacle dinamis sehinggal merepresentasikan pada kondisi real. Dalam tugas akhir inilah, akan dibuat suatu Mobile Robot dengan NXT mindstorms yang dapat merencanakan suatu jalur terpendek agar robot sampai pada tempat tujuan yang diinginkan meskipun ada obstacle statis dan dinamis karena menggunkan algoritma D* II. DASAR TEORI 2.1 ALGORITMA A* A* (dibaca "A bintang"/"a star") adalah algoritma pencarian graf/pohon yang mencari jalur dari satu titik awal ke sebuah titik akhir yang telah ditentukan. Algoritma A* menggunakan pendekatan heuristik h(x) yang memberikan peringkat ke tiap-tiap titik x dengan cara memperkirakan rute terbaik yang dapat dilalui dari titik tersebut. Setelah itu tiap-tiap titk x tersebut dicek satu-persatu berdasarkan urutan yang dibuat dengan pendekatan heuristik tersebut. Maka dari itulah algoritma A* adalah contoh dari best-first search.
2 2 Algoritma ini pertama kali ditemukan pada tahun 1968 oleh Peter Hart, Nils Nilsson dan Bertram Raphael. Dalam tulisan mereka, algoritma ini dinamakan algoritma A. Penggunaan algoritma ini dengan fungsi heuristik yang tepat dapat memberikan hasil yang optimal, maka algoritma inipun disebut A*. Dalam ilmu komputer, A* adalah algoritma komputer yang banyak digunakan dalam pathfinding dan traversal grafik, proses merencanakan jalur efisien tercepat antara titik, yang disebut node. Tercatat untuk kinerja dan ketepatan, menikmati digunakan secara luas. Peter Hart, Nils Nilsson, dan Bertram Raphael pertama kali menjelaskan algoritma ini pada tahun Ini adalah perluasan dari algoritma 1959 Edsger Dijkstra. Sebuah algoritma untuk mencapai kinerja yang lebih baik (berkenaan dengan waktu) dengan menggunakan heuristik. Beberapa terminologi dasar yang terdapat pada algoritma ini adalah starting point, simpul (nodes), A, open list, closed list, nilai (cost), goal, halangan (unwalkable). Gambar Pemberian nilai A* Dalam setiap simpul atau kotak terdapat 3 parameter nilai yaitu nilai F, G, dan H Dimana rumus dasar nilai A* adalah F(n) = G(n) + H(n) (1) F = Nilai total G = Nilai jarak terpendek dari start H = Nilai jarak terpendek dari goal Selain terdapat 3 parameter nilai juga terdapat koordinat titik yang akan untuk menentukan arah dan posisi robot berada. Dimana pada gambar diatas menunjukkan nilai koordinat (0,0). Begitu juga untuk semua kotak yang lain. Starting point adalah sebuah terminologi untuk posisi awal sebuah benda. A adalah simpul yang sedang dijalankan dalam algortima pencarian jalan terpendek. Simpul adalah petak-petak kecil sebagai representasi dari area pathfinding. Bentuknya dapat berupa persegi, lingkaran, maupun segitiga. Open list adalah tempat menyimpan data simpul yang mungkin diakses dari starting point maupun simpul yang sedang dijalankan. Closed list adalah tempat menyimpan data simpul sebelum A yang juga merupakan bagian dari jalur terpendek yang telah berhasil didapatkan. Nilai (F) adalah nilai yang diperoleh dari penjumlahan nilai G, jumlah nilai tiap simpul dalam jalur terpendek dari starting point ke A, dan H, jumlah nilai perkiraan dari sebuah simpul ke goal. Goal yaitu simpul yang dituju. Halangan adalah sebuah atribut yang menyatakan bahwa sebuah simpul tidak dapat dilalui oleh A. Prinsip algoritma ini adalah mencari jalur terpendek dari sebuah simpul awal (starting point) menuju simpul tujuan dengan memperhatikan harga (F) terkecil. Perhatikan Gambar dibawah ini : Gambar Proses awal pencarian A* Diawali dengan menempatkan A pada starting point, kemudian memasukkan seluruh simpul yang bertetangga dan tidak memilik atribut rintangan dengan A ke dalam open list. Kemudian mencari nilai H terkecil dari simpul-simpul dalam open list tersebut. Kemudian memindahkan A ke simpul yang memiliki nilai H terkecil. Simpul sebelum A disimpan sebagai parent dari A dan dimasukkan ke dalam closed list. Jika terdapat simpul lain yang bertetangga dengan A (yang sudah berpindah) namun belum termasuk kedalam anggota open list, maka masukkan simpul-simpul tersebut ke dalam open list. Setelah itu, bandingkan nilai G yang ada dengan nilai G sebelumnya (pada langkah awal, tidak perlu dilakukan perbandingan nilai G). Jika nilai G sebelumnya lebih kecil maka A kembali ke posisi awal. Simpul yang pernah dicoba dimasukkan ke dalam closed list. Hal terebut dilakukan berulang-ulang hingga terdapat solusi
3 3 atau tidaka ada lagi simpul lain yang berada pada open list. mungkin karena di kota Manhattan di Amerika, jarak dari dua lokasi umumnya dihitung dari blokblok yang harus dilalui saja dan tentunya tidak bisa dilintasi secara diagonal. Perhitungannya dapat ditulis sebagai berikut: h(n) = abs(n.x-tujuan.x) + abs(n.y-tujuan.y) (2) Gambar Proses akhir pencarian A* Keterangan gambar : Kotak hijau = Starting point Kotak hitam = Halangan Kotak merah = Goal Hijau tepi = Open list Biru tepi = Closed list Nilai tiap kotak = Nilai F, G, H Lingkaran merah = Jalur terpendek Fungsi Heuristik untuk A* Seperti yang telah disebutkan diatas, fungsi heuristik sangat berpengaruh terhadap kelakuan algoritma A*: Apabila h(n) selalu bernilai 0, maka hanya g(n) yang akan berperan, dan A* berubah menjadi Algoritma Dijkstra, yang menjamin selalu akan menemukan jalur terpendek. Apabila h(n) selalu lebih rendah atau sama dengan nilai perpindahan dari titik n ke tujuan, maka A* dijamin akan selalu menemukan jalur terpendek. Semakin rendah nilai h(n), semakin banyak titik-titik yang diperiksa A*, membuatnya semakin lambat. Apabila h(n) tepat sama dengan nilai perpindahan dari n ke tujuan, maka A* hanya akan mengikuti jalur terbaik dan tidak pernah memeriksa satupun titik lainnya, membuatnya sangat cepat. Walaupun hal ini belum tentu bisa diaplikasikan ke semua kasus, ada beberapa kasus khusus yang dapat menggunakannya. Apabila h(n) kadangkala lebih besar dari nilai perpindahan dari n ke tujuan, maka A* tidak menjamin ditemukannya jalur terpendek, tapi prosesnya cepat. Apabila h(n) secara relatif jauh lebih besar dari g(n), maka hanya h(n) yang memainkan peran, dan A* berubah menjadi BFS. Heuristik yang paling umum digunakan adalah jarak Manhattan. Fungsi heuristik ini hanya akan menjumlahkan selisih nilai x dan nilai y dari dua buah titik. Heuristik ini dinamakan Manhattan Hal lain yang harus diperhatikan adalah seberapa cepat fungsi heuristik dapat dikomputasi. Selalu akan ada trade-off antara akurasi dari fungsi heuristik dan waktu yang dibutuhkannya untuk mengomputasinya. Nampaknya bagus jika fungsi heuristik yang digunakan sangat akurat, dilihat dari berbagai macam percobaan bahwa jika heuristik yang digunakan sempurna maka A* akan selalu melewati jalur yang tepat dan akan selalu memberikan optimum global. Namun, heuristik yang sempurna semacam itu tidak ada (dan tidak akan pernah ada), dan bahkan untuk mendekatinya saja akan memerlukan tambahan komputasi yang tidak ringan. Seringkali dalam aplikasinya heuristik yang memberikan hasil yang sangat akurat namun lambat, kurang disenangi dibanding heuristik yang tidak begitu optimal namun memberikan hasil dengan cepat. Maka dari itu, pemilihan heuristik sangat bergantung pada tujuan penggunaan A*. Jika hasil yang dibutuhkan adalah optimum global, maka fungsi heuristik yang digunakannya haruslah "sempurna", sedang jika yang dibutuhkan adalah hasil yang cepat dan tidak harus jalur terpendek, maka lebih bijak menggunakan heuristik yang lebih ringan. 2.2 ALGORITMA D* D* adalah algoritma A* dengan halangan yang dinamis. Algoritma ini seperti algoritma A* tetapi dapat mendeteksi halangan saat A* nya jalan. Algoritma pencarian D diperkenalkan oleh Anthony Stentz pada tahun Nama D* berasal dari istilah Dynamic A* Untuk lebih jelasnya lihat gambar dibwah ini : Gambar Proses awal pencarian D*
4 4 bergerak maka akan di lanjutkan sesuai dengan A* yang pertama seperti gambar Akan tetapi bila halangan diam, maka posisi terakhir saat mendeteksi halangan akan dijadikan sebagai start baru dan akan dilakukan proses pencarian A* kedua dengan goal yang sama seperti gambar dan gambar III. DESAIN DAN IMPLEMENTASI Gambar Halangan pada jalur A* 3.1 DESAIN ROBOT Desain robot NXT Gambar Halangan dinamis pada jalur A* Gambar Desain robot NXT Gambar Posisi Start pada A* kedua Desain robot NXT dibuat seperti gambar diatas. Yaitu robot berbentuk sepertu mobil atau anjing dengan 2 roda pada bagian depan dan satu roda bebas pada bagian belakang. Roda bebas ini digunakan untuk mengurangi adanya gesekan pada roda saat berjalan agar robot bisa berjalan lurus. Sedangkan 2 roda bagian depan dihubungkan dengan 2 buah motor untuk mengatur pergerakan robot baik maju atau belok. Sensor yang digunakan adalah sensor ultrasonic dengan penempatan depan. Sensor ini digunakan untuk mendeteksi adanya obstacle saat robot berjalan. Semua proses pengaturan dilakukan oleh NXT dengan tampilan layar LCD Desain Maze Gambar Proses akhir Pencarian A* kedua Diawali dengan proses akhir pencarian A* yang dijadikan sebagai proses awal pencarian D* seperti gambar Pada saat menjalankan A* yang pertama, tiba-tiba ada halangan pada jalur A* maka sensor akan mendeteksi halangan tersebut seperti gambar Setelah mendeteksi halangan pada jalur A* akan di tunggu apakah halangan tersebut diam atau bergerak. Kalau halangan Gambar Desain Maze
5 5 Desain maze yang dibuat adalah suatu lantai dengan luas 240cm x 240cm. dimana terdri dari 8 ubin vertikal dan 8 ubin horizontal. Dengan masing2 ubin berukuran 30cm x 30cm. Posisi tampilan awal maze baik posisi start, obstacle, dan goal seperti pada gambar diatas. Posisi tersebut dapat dirubah sesuai dengan yang diinginkan. 3.2 IMPLEMENTASI Gambar Kemampuan robot NXT Robot NXT mindstorms yang dibuat memiliki kemampuan untuk belok dari 0 sampai 360 derajat. Dengan posisi awal (default) robot menghadap ke kanan. Posisi ini digunakan untuk menyimpan koordinat awal robot serta arah robot kedua parameter tersebut digunakan agar robot dapat berjalan dan mengetahui arah selanjutnya dengan benar. IV. PENGUJIAN 4.1 Pengujian Sistem Pada bagian ini akan membahas pengujian dan analisa sistem yang telah dirancang. Smua pengujian dilakukan dalam kondisi baterai NXT yang terisi penuh. dan pada maze seperti gambar dibawah ini : Gambar Maze pengujian sistem 4.2 Pengujian Sistem meliputi : A. Pengujian respon NXT terhadap algoritma D* B. Pengujian waktu robot untuk berjalan C. Pengujian Prosentase keberhasilan robot A. Pengujian respon NXT terhadap algoritma D* Pengujian respon NXT terhadap algoritma D* ini digunakan untuk mencari tau seberapa cepat mikrokontroller pada NXT memproses algoritma D* yang sudah dibuat. Percobaan dilakukan sebanyak 10 kali dengan posisi start dan goal yang sama tetapi halangan berbeda-beda. Baik halangan yang mudah maupun halangan yang sulit. Selengkapnya lihat table dibawah ini : Tabel Pengujian respon NXT terhadap algoritma D* Percobaan Koordinat Start Koordinat Goal Halangan Waktu (detik) 1 2,3 6,3 0 2,3 2 2,3 6,3 1 2,4 3 2,3 6,3 2 2,8 4 2,3 6,3 3 3,5 5 2,3 6,3 4 4,4 6 2,3 6,3 5 5,5 7 2,3 6,3 6 5,9 8 2,3 6,3 7 7,2 9 2,3 6,3 8 9,7 10 2,3 6,3 9 11,5 RATA-RATA = 5,52 B. Pengujian Waktu robot untuk berjalan Pengujian Waktu robot untuk berjalan dari satu ubin ke ubin yang lain baik maju lurus, maju diagonal maupun belok di gunakan untuk menghitung berapa lama waktu yang dibutuhkan robot untuk menghindari obstacle dinamis yang bergerak sehingga robot tidak menabraknya. Selengkapnya lihat table dibawh ini : Tabel Pengujian waktu robot berjalan maju Percobaan Gerakan maju Waktu(detik) 1 lurus 1,98 2 diagonal 2,54 RATA-RATA = 2,26 Tabel Pengujian waktu robot berjalan belok Percobaan Gerakan belok Waktu(detik) , , , , , , ,48 RATA-RATA = 1,97
6 6 C. Pengujian prosentase keberhasilan robot Pengujian prosentase keberhasilan robot dilakukan sebanyak 50 kali dengan posisi start dan posisi goal berbeda-beda. Begitu juga dengan obstacle nya. Baik jumlah maupun kesulitannya berbeda-beda. Hal ini dilakukan untuk mengetahui seberapa bagus robot NXT dalam memproses lgoritma D* dan menjalankannya. Selengkapnya lihat table dibawah ini : Tabel Pengujian prosentase keberhasilan robot Percobaan Koordinat Start Koordinat Goal Halangan Keterangan 1 1,7, 2,3 0 Berhasil 2 2,5 4,3 1 Berhasil 3 3,3 7,3 2 Berhasil 4 5,3 3,3 0 Berhasil 5 1,3 6,3 1 Berhasil 6 2,3 5,3 2 Berhasil 7 5,3 3,2 0 Berhasil 8 7,3 4,5 1 Berhasil 9 1,3 4,3 2 Berhasil 10 6,3 1,3 0 Berhasil 11 5,7 1,5 1 Berhasil 12 1,3 7, ,5 1,2 0 Berhasil 14 6,6 0,4 1 Berhasil 15 6,3 3,4 2 Berhasil 16 7,3 1,1 0 Berhasil 17 2,4 5,6 1 Berhasil 18 1,4 7, ,3 5,1 0 Berhasil 20 1,3 6,3 1 Berhasil 21 2,3 7,3 2 Berhasil 22 4,3 2,3 0 Berhasil 23 3,3 4,3 1 Berhasil 24 4,3 7, ,3 3,3 0 Berhasil 26 2,3 6,3 1 Berhasil 27 3,3 6, ,6 3,2 0 Berhasil 29 2,4 4,5 1 Berhasil 30 1,3 4,3 2 Berhasil 31 2,3 1,3 0 Berhasil 32 2,6 1,5 1 Berhasil 33 1,3 7,5 2 Berhasil 34 6,3 1,2 0 Berhasil 35 5,2 0,4 1 Berhasil 36 6,3 3,4 2 Berhasil 37 7,3 1,1 0 Berhasil 38 2,3 5,6 1 Berhasil 39 2,5 7, ,3 5,1 0 Berhasil 41 2,7 6,3 1 Berhasil 42 5,1 7, ,5 3,4 2 Berhasil 44 2,2 1,1 0 Berhasil 45 5,3 5,6 1 Berhasil 46 3,3 7,7 2 Berhasil 47 1,2 5,1 0 Berhasil 48 2,1 6,3 1 Berhasil 49 4,3 7, ,1 7,7 2 RATA-RATAKEBERHASILAN = 42/50 x 100% V. KESIMPULAN = 84% 1) Rata-rata respon NXT terhadap algoritma D* dengan start dan goal yang sama tetapi dengan halangan yang berbeda-beda baik yang mudah maupun sulit adalah 5,52 detik 2) Rata-rata waktu robot untuk berjalan adalah : a. Maju = 2,26 detik b. Belok = 1,97 detik Dari rata-rata tersebut dapat disimpulkan bahwa obstacle dinamis yang bergerak minimal 4,5 detik untuk pindah dari satu ubin ke ubin yang lain. Karena gerakan robot untuk maju 2 ubin adalah 4,52 detik 3) Prosentase keberhasilan robot untuk sampai ke goal dengan 50 kali percobaan dengan posisi start, posisi goal, dan halangan dinamis yang berbeda-beda adalah 84% VI. DAFTAR PUSTAKA [1] [2] [3] A* searchalgorithm, wiki/a_search_algorithm, Wikipedia, tanggal akses 2 januari 2010 pukul 13.00WIB. [4] Patrick Lester, A* Pathfinding for Beginners, icle2003.asp, [5] Stentz, A The focussed D* algorithm for real-time re-planning. In Proceedings of the International Joint Conferenceon Arti?cial Intelligence,
VARIASI PENGGUNAAN FUNGSI HEURISTIK DALAM PENGAPLIKASIAN ALGORITMA A*
VARIASI PENGGUNAAN FUNGSI HEURISTIK DALAM PENGAPLIKASIAN ALGORITMA A* Mohammad Riftadi - NIM : 13505029 Teknik Informatika ITB Jalan Ganesha No. 10, Bandung e-mail: if15029@students.if.itb.ac.id ABSTRAK
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Algoritma A* Algoritma A star atau yang ditulis juga A* adalah algoritma yang seringkali digunakan dalam pencarian jalan dan traversal graf(setiawan,2010). Algoritma ini diciptakan
Lebih terperinciPenerapan Algoritma A* Sebagai Algoritma Pencari Jalan Dalam Game
ABSTRAK Penerapan Algoritma A* Sebagai Algoritma Pencari Jalan Dalam Game Makalah ini membahas tentang bagaimana suatu entitas di dalam game mampu mencari jalan terpendek dari titik koordinatnya sekarang
Lebih terperinciPenerapan Algoritma A-star (A*) Untuk Menyelesaikan Masalah Maze
Penerapan Algoritma A-star (A*) Untuk Menyelesaikan Masalah Maze Hapsari Tilawah - 13509027 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPenerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze
Penerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze 1 Rakhmat Kurniawan. R., ST, M.Kom, 2 Yusuf Ramadhan Nasution, M.Kom Program Studi Ilmu Komputer, Fakultas Sains dan Teknologi
Lebih terperinciPENGEMBANGAN APLIKASI GAME ARCADE 3D MARI SELAMATKAN HUTAN INDONESIA
PENGEMBANGAN APLIKASI GAME ARCADE 3D MARI SELAMATKAN HUTAN INDONESIA Dyah Ayu Irawati 1, Abdillah Ibnu Firdaus 2, Ridwan Rismanto 3 Program Studi Teknik Informatika, Jurusan Teknologi Informasi,Politeknik
Lebih terperinciBAB III ALGORITMA GREEDY DAN ALGORITMA A* membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini terbaik di
BAB III ALGORITMA GREEDY DAN ALGORITMA A* 3.1 Best First Search Sesuai dengan namanya, best-first search merupakan sebuah metode yang membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma merupakan urutan langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, algoritma dibuat dengan tanpa memperhatikan bentuk
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Algoritma Breadth First Search Berikut ini adalah proses yang dilakukan dengan menggunakan algoritma Breadth first search untuk pencarian jalur. Proses pencarian
Lebih terperinciPembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A*
Pembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A* Willy Setiawan - 13508043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenerapan Algoritma A* Untuk Pencarian Rute Terdekat Pada Permainan Berbasis Ubin (Tile Based Game)
Penerapan Algoritma A* Untuk Pencarian Rute Terdekat Pada Permainan Berbasis Ubin (Tile Based Game) Febriana Santi Wahyuni 1,*, Sandy Nataly Mantja 1 1 T.Informatika Fakultas Teknologi Industri Institut
Lebih terperinciPENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG
PENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG Firman Harianja (0911519) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciSimulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana ( )
Simulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana (0222182) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia E-mail
Lebih terperinciMetode Path Finding pada Game 3D Menggunakan Algoritma A* dengan Navigation Mesh
Metode Path Finding pada Game 3D Menggunakan Algoritma A* dengan Navigation Mesh Freddi Yonathan - 13509012 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPENERAPAN ALGORITMA A* (STAR) UNTUK MENCARI RUTE TERCEPAT DENGAN HAMBATAN
PENERAPAN ALGORITMA A* (STAR) UNTUK MENCARI RUTE TERCEPAT DENGAN HAMBATAN Yenie Syukriyah 1) Falahah 2) Hermi Solihin 3) 1,2,3) Teknik Informatika Universitas Widyatama Jl. Cikutra no. 204 A Bandung yenie.syukriyah@widyatama.ac.id
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini teknologi telah berkembang dengan cukup pesat. Perkembangan teknologi mengakibatkan pemanfaatan atau pengimplementasian teknologi tersebut dalam berbagai
Lebih terperinciAlgoritma A* untuk AI Path Finding bagi NPC
Algoritma A* untuk AI Path Finding bagi NPC Pendahuluan Definisi AI Kecerdasan Buatan merupakan bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Geographical Information System (GIS) Geographical Information System (GIS) yang dalam bahasa Indonesia dikenal sebagai Sistem Informasi Geografis (SIG) didefenisikan sebagai
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciPENGGUNAAN ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN PERSOALAN PENCARIAN JALAN (PATH-FINDING)
PENGGUNAAN ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN PERSOALAN PENCARIAN JALAN (PATH-FINDING) R. Aditya Satrya Wibawa (NIM. 30064) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciOptimasi Rute Perjalanan Ambulance Menggunakan Algoritma A-Star
Optimasi Rute Perjalanan Ambulance Menggunakan Algoritma A-Star Marhaendro Bayu Setyawan, Nurlita Gamayanti, Abdullah Alkaff Jurusan Teknik Elektro FTI - ITS Abstraksi Tugas akhir mencoba untuk menciptakan
Lebih terperinciPencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A*
Pencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A* Erfandi Suryo Putra 13515145 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB I PENDAHULUAN. Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting.
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting. Namun pada kenyataannya, terdapat banyak hal yang dapat menghambat
Lebih terperinciPencarian Rute Oleh Non Player Character Menggunakan Algoritma A* Berbasis 2D
147 Pencarian Rute Oleh Non Player Character Menggunakan Algoritma A* Berbasis 2D Latius Hermawan *, Maria Bellaniar I **) Informatika, Universitas Katolik Musi Charitas Palembang E-Mail: * tiuz.hermawan@sttmusi.ac.id,
Lebih terperinciSTUDI PENERAPAN ALGORITMA DIJKSTRA DAN ALGORITMA A* DALAM MENENTUKAN RUTE TERPENDEK PADA ROBOT PEMADAM API
STUDI PENERAPAN ALGORITMA DIJKSTRA DAN ALGORITMA A* DALAM MENENTUKAN RUTE TERPENDEK PADA ROBOT PEMADAM API Akhmad Alfan Hidayatullah, Anik Nur Handayani, Muhammad Jauharul Fuady Teknik Elektro - Universitas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Informasi Geografis (SIG) Sistem Informasi Geografis (SIG) merupakan suatu sistem berbasis komputer yang digunakan untuk mengumpulkan, menyimpan, menggabungkan, mengatur,
Lebih terperinciBAB I PENDAHULUAN. Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf berbobot yang menghubungkan dua buah simpul sedemikian hingga jumlah bobot sisi-sisi
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dibahas mengenai pengujian alat serta analisis dari hasil pengujian. Tujuan dilakukan pengujian adalah untuk mengetahui seberapa besar tingkat keberhasilan
Lebih terperinciBAB I PENDAHULUAN UKDW. dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pencarian jalur terpendek merupakan sebuah masalah yang sering muncul dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana transportasi. Para
Lebih terperinciPENERAPAN ALGORITMA BIDIRECTIONAL A* PADA MOBILE NAVIGATION SYSTEM
PENERAPAN ALGORITMA BIDIRECTIONAL A* PADA MOBILE NAVIGATION SYSTEM Indra Siregar 13508605 Program Studi Teknik Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Graf 2.1.1 Definisi Graf Graf adalah pasangan himpunan (V, E), dan ditulis dengan notasi G = (V, E), V adalah himpunan tidak kosong dari verteks-verteks {v 1, v 2,, v n } yang
Lebih terperinciOPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS
OPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS Yisti Vita Via Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember
Lebih terperinciIMPLEMENTASI DAN ANALISIS PENGGUNAAN ALGORITMA A-STAR DENGAN PRIORITAS PADA PEMILIHAN RUTE LINTAS KENDARAAN RODA DUA
IMPLEMENTASI DAN ANALISIS PENGGUNAAN ALGORITMA A-STAR DENGAN PRIORITAS PADA PEMILIHAN RUTE LINTAS KENDARAAN RODA DUA IMPLEMENTATION AND ANALYSIS THE USE A-STAR ALGORITHM WITH PRIORITY ON TWO-WHEELS VEHICLE
Lebih terperinciPenerapan Algoritma A* dalam Penentuan Lintasan Terpendek
Penerapan Algoritma A* dalam Penentuan Lintasan Terpendek Johannes Ridho Tumpuan Parlindungan/13510103 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB I PENDAHULUAN. yang juga diterapkan dalam beberapa kategori game seperti real time strategy
BAB I PENDAHULUAN 1.1 Latar Belakang Path finding merupakan salah satu masalah yang sering dijumpai dan banyak diterapkan, misalnya untuk penentuan jalur terpendek dalam suatu peta yang juga diterapkan
Lebih terperinciSIMULASI ALGORITMA A* UNTUK MENYELESAIKAN PATHFINDING
SIMULASI ALGORITMA A* UNTUK MENYELESAIKAN PATHFINDING Saprizal Nasution 1, Mardiana 2 1 Jurusan Teknik Informatika Sekolah Tinggi Teknik Harapan Medan Jl. HM jhoni No. 70 Medan, Indonesia rizal_allstar@rocketmail.com
Lebih terperinciAPLIKASI PENCARI RUTE OPTIMUM PADA PETA GUNA MENINGKATKAN EFISIENSI WAKTU TEMPUH PENGGUNA JALAN DENGAN METODE A* DAN BEST FIRST SEARCH 1
APLIKASI PENCARI RUTE OPTIMUM PADA PETA GUNA MENINGKATKAN EFISIENSI WAKTU TEMPUH PENGGUNA JALAN DENGAN METODE A* DAN BEST FIRST SEARCH 1 Rudy Adipranata 1, Andreas Handojo 2, Happy Setiawan 3 1,2 Teknik
Lebih terperinciAlgoritma A* Memanfaatkan Navigation Meshes dalam 3 Dimensional Pathfinding
Algoritma A* Memanfaatkan Navigation Meshes dalam 3 Dimensional Pathfinding Edwin Kumara Tandiono, 13515039 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciIMPLEMENTASI SISTEM PARKIR CERDAS DI UNIVERSITAS TELKOM. SUBSISTEM : APLIKASI MOBILE
IMPLEMENTASI SISTEM PARKIR CERDAS DI UNIVERSITAS TELKOM. SUBSISTEM : APLIKASI MOBILE Implementation Of Smart Parking System In Telkom University. Subsystem : Mobile Application Annis Waziroh 1, Agus Virgono,
Lebih terperinciPENERAPAN METODE A* PADA GAME MOBILE LEARNING PEMILIHAN SAMPAH ORGANIK DAN ANORGANIK BERBASIS ANDROID Achmad Irpan Fuad 1 Moh.
PENERAPAN METODE A* PADA GAME MOBILE LEARNING PEMILIHAN SAMPAH ORGANIK DAN ANORGANIK BERBASIS ANDROID Achmad Irpan Fuad 1 Moh. Ahsan 2 1 Sistem Informasi, Universitas Kanjuruhan Malang, irpanpuad@gmail.com
Lebih terperinciPertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM
07/04/2016 3. HEURISTIC METHOD Algoritma yang menggunakan Metode Best-First Search, yaitu: 1 Literatur Review KECERDASAN BUATAN Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM a. Greedy Best-First Greedy
Lebih terperinciGABUNGAN METODE DJIKSTRA DAN FUZZY C-MEANS UNTUK PENENTUAN RUTE DAN JUMLAH OBYEK RINTANGAN
ISSN 1858-4667 JURNAL LINK VOL 21/No. 2/September 2014 GABUNGAN METODE DJIKSTRA DAN FUZZY C-MEANS UNTUK PENENTUAN RUTE DAN JUMLAH OBYEK RINTANGAN Setiawardhana 1, Sigit Wasista 2, Lotusia Putri Rizqi 2
Lebih terperinciBAB I PENDAHULUAN. ini. Salah satu penerapannya yaitu terdapat pada permasalahan dalam melakukan pencarian dari
BAB I PENDAHULUAN 1.1 Latar Belakang Pencarian merupakan suatu permasalahan dalam menemukan solusi dari kondisi awal ke kondisi akhir. Berbagai macam permasalahan dapat diterapkan dalam permasalahan pencarian
Lebih terperinciKompleksitas Algoritma A* Pada Implementasi PassiveAI Untuk Game Mobile AI
Kompleksitas Algoritma A* Pada Implementasi PassiveAI Untuk Game Mobile AI Dandy Akhmad Rahadiansyah 23514098 1 Program Magister Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciSimulasi Pencarian Shortest Distance Path
Simulasi Pencarian Shortest Distance Path Sukiman 1) Jeffrey 2) Teknik Informatika, STMIK IBBI Jl. Sei Deli. 18 Medan, Telp. 061-4567111 Fax. 061-4527548 Email : Sukiman_liu@yahoo.com Abstrak Path finding
Lebih terperinciPenerapan Algoritma A Star Pada Permainan Snake
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Penerapan Algoritma A Star Pada Permainan Snake Andreas Hersiandi 1, Pieter Indradinata Palim 2, Daniel Udjulawa 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciWEBGIS PENCARIAN RUTE TERPENDEK MENGGUNAKAN ALGORITM A STAR (A*) (Studi Kasus: Kota Bontang)
Jurnal Informatika Mulawarman Vol. 8 No. 2 Edisi Juli 2013 50 WEBGIS PENCARIAN RUTE TERPENDEK MENGGUNAKAN ALGORITM A STAR (A*) (Studi Kasus: Kota Bontang) 1) Yuliani, 2) Fahrul Agus 1,2) Program Studi
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Geographical Information System (GIS) digunakan dalam rangka mendukung pengambilan keputusan untuk perencanaan dan pengelolaan dari penggunaan lahan (Murai, 1999).
Lebih terperinciBAB 3 PENANGANAN JARINGAN KOMUNIKASI MULTIHOP TERKONFIGURASI SENDIRI UNTUK PAIRFORM-COMMUNICATION
BAB 3 PENANGANAN JARINGAN KOMUNIKASI MULTIHOP TERKONFIGURASI SENDIRI UNTUK PAIRFORM-COMMUNICATION Bab ini akan menjelaskan tentang penanganan jaringan untuk komunikasi antara dua sumber yang berpasangan.
Lebih terperinciPerancangan Aplikasi Wisata Kabupaten Lebak Menggunakan Algoritma A* (A-Star) Berbasis Android
Perancangan Kabupaten Lebak Menggunakan Algoritma A* (A-Star) Berbasis Android Ujang Anwar 1, Anggi Puspita Sari 2, Raudah Nasution 3 1 STMIK Nusamandiri e-mail: maydanfikra@outlook.com 2 AMIK BSI Bekasi
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Dewasa ini game semakin canggih dan kompleks. Tidak hanya dari sisi tampilannya, tetapi juga kecerdasan dari agen-agen yang ada didalam game tersebut. Sering kita temui
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Definisi Ambulans Pada Kamus Besar Bahasa Indonesia (KBBI) online versi 1.4 (2015) am bu lans n adalah kendaraan (mobil dan sebagainya) yang dilengkapi peralatan medis untuk mengangkut
Lebih terperinciANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA
ANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA Christophorus Yohannes Suhaili 1 ; Mendy Irawan 2 ; Raja Muhammad Fahrizal 3 ; Antonius
Lebih terperinciOPTIMASI RUTE PERJALANAN AMBULANCE MENGGUNAKAN ALGORITMA A-STAR. Marhaendro Bayu Setyawan
OPTIMASI RUTE PERJALANAN AMBULANCE MENGGUNAKAN ALGORITMA A-STAR Marhaendro Bayu Setyawan 2206 100 021 AGENDA PEMBUKAAN DASAR TEORI Latar belakang Permasalahan Batasan masalah Tujuan Permasalahan Lintasan
Lebih terperinciPenggunaan Algoritma Pathfinding pada Game
Penggunaan Algoritma Pathfinding pada Game Ahmad Fauzan (000) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 0 Bandung 0, Indonesia 000@std.stei.itb.ac.id
Lebih terperinciSEARCHING SIMULATION SHORTEST ROUTE OF BUS TRANSPORTATION TRANS JAKARTA INDONESIA USING ITERATIVE DEEPENING ALGORITHM AND DJIKSTRA ALGORITHM
SEARCHING SIMULATION SHORTEST ROUTE OF BUS TRANSPORTATION TRANS JAKARTA INDONESIA USING ITERATIVE DEEPENING ALGORITHM AND DJIKSTRA ALGORITHM Ditto Djesmedi ( 0222009 ) Jurusan Teknik Elektro, Fakultas
Lebih terperinciBAB II DASAR TEORI Kajian Pustaka a. Penerapan Algoritma Flood Fill untuk Menyelesaikan Maze pada Line Follower Robot [1]
BAB II DASAR TEORI Pada bab ini akan dibahas mengenai beberapa teori yang digunakan sebagai acuan dan pendukung dalam merealisasikan perancangan sistem pada skripsi ini. 2.1. Kajian Pustaka a. Penerapan
Lebih terperinciPelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound
Pelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound Mico (13515126) Teknik Informatika Sekolah Teknik Elektro dan Informatika ITB Jl. Ganesha 10,
Lebih terperinciPENCARIAN SHORTEST PATH DINAMIK DENGAN ALGORITMA BELLMAN-BASED FLOOD-FILL DAN IMPLEMENTASINYA PADA ROBOT MICROMOUSE
PENCARIAN SHORTEST PATH DINAMIK DENGAN ALGORITMA BELLMAN-BASED FLOOD-FILL DAN IMPLEMENTASINYA PADA ROBOT MICROMOUSE Samudra Harapan Bekti NIM 13508075 Program Studi Teknik Informatika Sekolah Teknik Elektro
Lebih terperinciSEARCHING. Blind Search & Heuristic Search
SEARCHING Blind Search & Heuristic Search PENDAHULUAN Banyak cara yang digunakan untuk membangun sistem yang dapat menyelesaikan masalah-masalah di AI. Teknik penyelesaian masalah yang dapat dipakai untuk
Lebih terperinciA-1 BAB I PENDAHULUAN
A-1 BAB I PENDAHULUAN Bab ini akan menjelaskan mengenai latar belakang penelitian judul skripsi Implementasi algoritma A* berbasis pathfinding dalam pengembangan game menanam pohon. 1.1. Latar Belakang
Lebih terperinciPencarian Lintasan Terpendek Pada Peta Digital Menggunakan Teori Graf
Pencarian Lintasan Terpendek Pada Peta Digital Menggunakan Teori Graf Erfandi Suryo Putra 13515145 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
17 2 TINJUN PUSTK 2.1 Pengertian Graf Graf adalah kumpulan titik (vertex) yang dihubungkan satu sama lain melalui sisi/busur (edges). Suatu graf G terdiri dari dua himpunan yaitu himpunan V dan himpunan
Lebih terperinciMENGHITUNG RUTE TERPENDEK MENGGUNAKAN ALGORITMA A* DENGAN FUNGSI EUCLIDEAN DISTANCE
MENGHITUNG RUTE TERPENDEK MENGGUNAKAN ALGORITMA A* DENGAN FUNGSI EUCLIDEAN DISTANCE Kiki Setiawan 1, Supriyadin 2, Imam Santoso 3, Roy Buana 4 Jurusan Teknik Informatika, Sekolah Tinggi Ilmu Komputer Cipta
Lebih terperinciALGORITMA PENCARIAN (HEURISTIC)
ALGORITMA PENCARIAN (HEURISTIC) Farah Zakiyah Rahmanti, M.T Diperbarui 2016 Overview Pengertian Pencarian Heuristik Generate and Test Hill Climbing Best First Searching Latihan Pencarian Heuristik Merupakan
Lebih terperinciBAB 2 LANDASAN TEORI 2.2. Algoritma A* (A Star)
BAB 2 LANDASAN TEORI Bab ini membahas tentang teori pendukung beserta penelitian terdahulu yang berhubungan dengan penerapan algoritma A Star dalam pencarian jarak terdekat indekos dari kampus. 2.1. Indekos
Lebih terperinciPerencanaan Rute Gerak Mobile Robot Berpenggerak Differensial pada Medan Acak Menggunakan Algoritma A* Dikombinasikan dengan Teknik Image Blurring
Perencanaan Rute Gerak Mobile Robot Berpenggerak Differensial pada Medan Acak Menggunakan Algoritma A* Dikombinasikan dengan Teknik Image Blurring Ahmad Nashrul Aziz 1, Endra Pitowarno 2 Jurusan Teknik
Lebih terperinciI. PENDAHULUAN II. LANDASAN TEORI
Penerapan Algoritma A* pada Google Map Akbar Juang Saputra (13511026) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciMendeteksi Blob dengan Menggunakan Algoritma BFS
Mendeteksi Blob dengan Menggunakan Algoritma BFS Ahmad Fajar Prasetiyo (13514053) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciPenerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem
Penerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem Arie Tando (13510018) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Artificial Intelligence Pada dasarnya, banyak pandangan serta pengertian mengenai AI, dan secara garis besar, Russell & Norvig (2010:2) membagi pengertian AI ke dalam empat
Lebih terperinciPerencanaan Rute Gerak Mobile Robot Berpenggerak Differensial Pada Medan Acak Menggunakan Algoritma A* Dikombinasikan Dengan Teknik Image Blurring
Rute Gerak Mobile Robot Berpenggerak Differensial Pada Medan Acak Menggunakan Algoritma A* Dikombinasikan Dengan Teknik Image Blurring Ahmad Nashrul Aziz 1, Endra Pitowarno 2 Jurusan Teknik Elektronika
Lebih terperinciTIP 163. Game Engine. Topik 5 (Pert 6) Graf, Representasi Dunia, dan Algoritma Pencari Jalur (Pathfinding) Dosen: Aditya Wikan Mahastama
TIP 163 Game Engine Topik 5 (Pert 6) Graf, Representasi Dunia, dan Algoritma Pencari Jalur (Pathfinding) Dosen: Aditya Wikan Mahastama Last Week Review Adakah permasalahan dalam tugas terakhir yang diberikan
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2011
Perancangan dan Pembuatan Sistem Navigasi Perjalanan Untuk Pencarian Rute Terpendek Dengan Algoritma A* Berbasis J2ME Oleh : M. ARIEF HIDAYATULLOH 1204 100 071 Dosen Pembimbing : Prof. Dr. M. Isa Irawan,
Lebih terperinciYudi Yansyah, Prihastuti Harsani, M.Si, Erniyati M.Kom Program Studi Ilmu Komputer FMIPA Universitas Pakuan ABSTRACT
Perancangan Aplikasi Pencarian Jalur Terpendek Untuk Lokasi Toko Bangunan Di Kota Bogor Dengan Metode A* (A-Star) Berbasis Android Studi Kasus : PT. Tulu Atas Kranggan Bogor Yudi Yansyah, Prihastuti Harsani,
Lebih terperinciKONTROL OTOMATIS PADA ROBOT PENGANTAR BARANG DENGAN PARAMETER MASUKAN JARAK DENGAN OBJEK DAN POSISI ROBOT. oleh. Ricky Jeconiah NIM :
KONTROL OTOMATIS PADA ROBOT PENGANTAR BARANG DENGAN PARAMETER MASUKAN JARAK DENGAN OBJEK DAN POSISI ROBOT oleh Ricky Jeconiah NIM : 622009004 Skripsi Untuk melengkapi salah satu syarat memperoleh Gelar
Lebih terperinciPengembangan Heuristik Diferensial Terkompresi untuk Algoritma Block A*
Pengembangan Heuristik Diferensial Terkompresi untuk Algoritma Block A* Teguh Budi Wicaksono dan Rinaldi Munir Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Bandung firezaps@gmail.com,
Lebih terperinciPENGEMBANGAN HEURISTIK DIFERENSIAL TERKOMPRESI UNTUK ALGORITMA BLOCK A*
PENGEMBANGAN HEURISTIK DIFERENSIAL TERKOMPRESI UNTUK ALGORITMA BLOCK A* Teguh Budi Wicaksono 1), Rinaldi Munir 2) Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Bandung, Jawa Barat
Lebih terperinciEvaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search dengan Penerapan pada Aplikasi Rat Race dan Web Peta
Evaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search Tjatur Kandaga, Alvin Hapendi Jurusan Teknik Informatika, Fakultas Teknologi informasi, Universitas Kristen Maranatha
Lebih terperinciAplikasi Algoritma Greedy untuk Pergerakan Musuh pada Permainan Pac-Man
Aplikasi Algoritma Greedy untuk Pergerakan Musuh pada Permainan Pac-Man Timotius Nugroho Chandra / 13508002 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Gambaran Umum Manusia mempunyai kemampuan untuk belajar sejak dia dilahirkan, baik diajarkan maupun belajar sendiri, hal ini dikarenakan manusia mempunyai jaringan saraf.
Lebih terperinciPenerapan Graf pada Robot Micromouse
Penerapan Graf pada Robot Micromouse Nurwanto (13511085) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia 13511085@std.stei.itb.ac.id
Lebih terperinciPerbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin
Perbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin Arie Tando - 13510018 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dibahas mengenai analisis dan perancangan pada sistem yang dibangun yakni penerapan algoritma A* dalam pencarian jalan terpendek pada game pathfinding.
Lebih terperinciBAB III PERANCANGAN ALAT
BAB III PERANCANGAN ALAT 3.1. Prinsip Kerja Robot Prinsip kerja robot yang saya buat adalah robot lego mindstorm NXT yang menggunakan sensor ultrasonik yang berfungsi sebagai mata pada robot dengan tambahan
Lebih terperinciPROTOTIPE GAME MAZE CHASER DENGAN ALGORITMA A*
PROTOTIPE GAME MAZE CHASER DENGAN ALGORITMA A* Aditya Haryanov 1) 1) Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email : adityaharyanov@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Graph Graph merupakan suatu alat bantu untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Graph G didefinisikan sebagai pasangan himpunan (V,
Lebih terperinciKecerdasan Buatan. Pertemuan 03. Pencarian Branch & Bound dan Heuristik (Informed)
Kecerdasan Buatan Pertemuan 03 Pencarian Branch & Bound dan Heuristik (Informed) Husni Lunix96@gmail.com http://www.facebook.com/lunix96 http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM,
Lebih terperinciROUTING. Budhi Irawan, S.Si, M.T
ROUTING Budhi Irawan, S.Si, M.T PENDAHULUAN Routing adalah mekanisme yang dilaksanakan pada perangkat router dijaringan (yang bekerja pada lapis 3 network) untuk mencari dan menentukan jalur yang akan
Lebih terperinciABSTRACT. Keyword: Algorithm, Depth First Search, Breadth First Search, backtracking, Maze, Rat Race, Web Peta. Universitas Kristen Maranatha
ABSTRACT In a Rat Race game, there is only one way in and one way out. The objective of this game is to find the shortest way to reach the finish. We use a rat character in this game, so the rat must walk
Lebih terperinciImplementasi Graf dalam Penentuan Rute Terpendek pada Moving Object
Implementasi Graf dalam Penentuan Rute Terpendek pada Moving Object Firdaus Ibnu Romadhon/13510079 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Algoritma A* (star) Algoritma A* (star) merupakan algortima best first search dengan pemodifikasian fungsi heuristik. Algoritma ini akan meminimumkan total biaya lintasan, dan
Lebih terperinciARTIFICIAL INTELEGENCE ALGORITMA A* (A STAR) SEBAGAI PATHFINDING ENEMY ATTACK PADA GAME TRASH COLLECTION
ARTIFICIAL INTELEGENCE ALGORITMA A* (A STAR) SEBAGAI PATHFINDING ENEMY ATTACK PADA GAME TRASH COLLECTION TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika
Lebih terperinciRepresentasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A*
Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A* Denny Nugrahadi Teknik informatika ITB, Bandung, email: d_nugrahadi@yahoo.com Abstract Makalah ini membahas mengenai
Lebih terperinciAplikasi Algoritma Greedy pada Optimasi Pelaksanaan Misi dalam Permainan Assassins Creed : Revelations
Aplikasi Algoritma Greedy pada Optimasi Pelaksanaan Misi dalam Permainan Assassins Creed : Revelations Miftahul Mahfuzh 13513017 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciSIMULASI ALGORITMA A* DAN DIJKSTRA PADA WAN
112 Vol. 12, No. 2 September 2017 Jurnal Informatika Mulawarman SIMULASI ALGORITMA A* DAN DIJKSTRA PADA WAN Fachrian Anugrah 1), Nania Nuzulita 2), Almira Syawli 3) Sistem Informasi, Fakultas Teknologi
Lebih terperinciPenerapan Algoritma Greedy Best First Search untuk Menyelesaikan Permainan Chroma Test : Brain Challenge
Penerapan Algoritma Greedy Best First Search untuk Menyelesaikan Permainan Chroma Test : Brain Challenge Ikhwanul Muslimin/13514020 Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika
Lebih terperinciPenentuan Rute Terpendek Menggunakan Variasi Fungsi Heuristik Algoritme A* Pada Mobile Devices
Jurnal Ilmiah Ilmu Komputer, Vol 15 No. 2, Desember 2010 : 17-24 Penentuan Rute Terpendek Menggunakan Variasi Fungsi Heuristik Algoritme A* Pada Mobile Devices Pandu Satria Nur Ananda, Sri Wahjuni, Endang
Lebih terperinciAplikasi Algoritma Teori Graf Pada Robot Pemecah Labirin Cerdas
Aplikasi Algoritma Teori Graf Pada Robot Pemecah Labirin Cerdas Dimas Aditia Pratikto - 13516153 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciBAB I PENDAHULUAN. Micromouse robot. Micromouse robot merupakan salah satu mobile robot yang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Salah satu robot yang menarik dan banyak dikembangkan yaitu Micromouse robot. Micromouse robot merupakan salah satu mobile robot yang memiliki tujuan untuk
Lebih terperinci