| dc.description.abstract | Penggunaan drone dalam pencarian target saat ini telah diimplementasikan
karena kemampuan drone yang mampu memantau area luas dalam waktu yang
relatif singkat. Pencarian target menggunakan banyak drone memerlukan algoritma
koordinasi yang optimal. Salah satu solusinya adalah Motivated Particle Swarm
Optimization (MPSO) yang menambahkan motivasi pada partikel, di mana partikel
diasumsikan sebagai agen. Adaptive MPSO merupakan pengembangannya yang
memungkinkan penyesuaian tipe agen secara dinamis untuk meningkatkan
efektivitas pencarian. Akan tetapi, penelitian yang mengimplementasikan Adaptive
MPSO untuk koordinasi drone masih terbatas. Maka, penelitian ini bertujuan untuk
mencari konfigurasi parameter algoritma Adaptive MPSO yang optimal untuk
masalah pencarian target pada drone Crazyflie di lingkungan 3D. Simulasi
dilakukan dalam ruang berukuran 400 × 400 × 400 dengan 15, 30, dan 50 drones.
Hasil optimasi menunjukkan konfigurasi paling efektif dicapai dengan 50 drone
pada rasio 60:40 (afiliasi:kekuasaan), serta parameter ? = 150, changingtime = 10,
dan staydistance = 150. Keunggulan konfigurasi ini divalidasi melalui
perbandingan, di mana ia mampu menemukan target hingga 1,3 kali lebih banyak
dibandingkan MPSO. Dibandingkan NichePSO, Adaptive MPSO pada konfigurasi
teroptimasi ini menemukan target enam kali lebih banyak dan mengalokasikan
target empat hingga lima kali lebih banyak, membuktikan algoritma ini sudah
cukup robust. | |
