TELEKONTRAN, VOL. 7, NO. 2, OKTOBER 2019 157 Studi Performansi Algoritma Perencanaan Jalur diantara PRM, RRT, RRT* dan Informed-RRT* Performance Study of Path Planning Algorithm between PRM, RRT, RRT* and Informed-RRT* Nelci Dessy Rumlaklak 1,* , Yelly Y. Nabuasa 2 , Tiwuk Widiastuti 3 1,2,3 Program Studi Ilmu Komputer Fakultas Sains dan Teknik Universitas Nusa Cendana Jl. Adisucipto, Lasiana, Kelapa Lima, Kupang, Nusa Tenggara Timur 85228. * Email: dessyrumlaklak@gmail.com Abstrak – Tujuan dari penelitian ini adalah melakukan studi perbandingan performansi dari beberapa algoritma perencanaan jalur. Penelitian ini membandingkan empat algoritma perencanaan jalur yang terkenal, yaitu algoritma Probabilistic Roadmap (PRM), Rapidly-exploring Random Tree (RRT), RRT* dan Informed-RRT*. Pengujian dilakukan melalui eksperimen berbasis simulasi menggunakan python. Pengujian dilakukan menggunakan beberapa kasus benchmark yang ada, yaitu lingkungan narrow, maze, trap dan clutter. Kriteria optimalitas yang dibandingkan adalah biaya jalur, waktu komputasi dan jumlah total node pada pohon yang dibutuhkan. Dari hasil pengujian, terlihat bahwa algoritma RRT memiliki waktu komputasi yang tercepat tetapi memiliki kualitas jalur yang kurang baik. Algoritma RRT*, informed-RRT* dan PRM memiliki kualitas jalur yang mirip. Algoritma PRM memiliki waktu komputasi tertinggi dibandingkan algoritma RRT, RRT* maupun informed-RRT*. Hasil penelitian ini akan memberikan informasi kepada pembaca mengenai algoritma mana yang paling cocok untuk digunakan pada aplikasi pengguna dimana terdapat beberapa parameter kerja yang hendak dioptimalkan. Kata Kunci : Perencanaan jalur, PRM, RRT, RRT*, Informed-RRT* Abstract - This paper will discuss a comparative performance review of several path planning algorithms. This study compares five well-known path planning algorithms, namely the Probabilistic Roadmap (PRM), Rapidly-exploring Random Tree (RRT), RRT* and Informed-RRT* algorithm. Testing is done through simulation based experiments using python. The test was conducted using several existing benchmark cases, namely narrow, maze, trap and clutter environment. The optimality criteria compared are path costs, computational time and the total number of nodes in the tree needed. From the test results, it appears that the RRT algorithm has the fastest computing time but has a poor path quality. RRT *, informed-RRT * and PRM algorithms have similar path quality. PRM algorithm has the highest computational time compared to the RRT, RRT * and informed-RRT * algorithms. The results of this study will provide information to readers about which algorithm is most suitable for use in user applications where there are several working parameters to be optimized. Keywords : Motion planning, PRM, RRT, RRT*, Informed-RRT* I. PENDAHULUAN Perencanaan jalur (path planning) adalah salah satu tugas penting dalam proses pengendalian robot otonom. Tujuan dari perencanaan jalur adalah menghasilkan jalur bebas tabrakan dari posisi awal ke posisi tujuan dengan pada lingkungan yang memiliki hambatan statis maupun dinamis. Algoritma perencanaan jalur akan mencari jalur dengan biaya jalur optimal atau mendekati optimal. Aplikasi perencanaan jalur pada robot otonom memiliki banyak kegunaan seperti pada mobil otonom (self driving car) [1], Unmanned Aerial Vehicle [2], forklift pada industry [3], ataupun pada operasi pengawasan dan misi luar angkasa [4,5]. Keterbatasan dari algoritma perencanaan jalur klasik adalah dibutuhkannya model lingkungan yang akurat sebelum algoritma perencana jalur dapat diterapkan. Agar tidak perlu membuat model lingkungan yang akurat, salah satu TELEKONTRAN, VOL. 7, NO. 2, OKTOBER 2019 DOI 10.34010/telekontran.v7i2.2701 p-ISSN : 2303 – 2901 e-ISSN : 2654 – 7384