| dc.description.abstract | Penerapan teknologi di industri terus berkembang, termasuk penggunaan pesawat tanpa awak atau unmanned aerial vehicle (UAV) di bidang pertanian untuk tugas-tugas seperti pemetaan lahan dan penyemprotan pupuk. Tantangan utama dalam pengoperasian UAV adalah menentukan jalur penerbangan yang optimal sembari menghindari rintangan. Namun, sebagian besar penelitian yang ada saat ini masih terbatas pada simulasi dua dimensi (2D) yang tidak secara akurat mewakili lingkungan tiga dimensi (3D) di dunia nyata. Penelitian ini bertujuan untuk mengatasi keterbatasan pendekatan perencanaan jalur 2D sebelumnya dengan menerapkan pencarian jalur optimal dalam lingkungan 3D guna mendukung navigasi UAV dalam skenario yang lebih realistis dan kompleks.
Untuk mencapai tujuan tersebut, penelitian ini menerapkan pendekatan Reinforcement Learning (RL), khususnya membandingkan algoritma Q-learning dan SARSA, untuk menentukan lintasan UAV yang optimal. Simulasi dilakukan dalam lingkungan 3D dengan berbagai konfigurasi rintangan untuk meniru kondisi dunia nyata. Kinerja kedua algoritma tersebut kemudian dievaluasi dan dibandingkan berdasarkan efisiensi lintasan, jarak tempuh, dan durasi penerbangan.
Hasil simulasi menunjukkan bahwa UAV berhasil mengidentifikasi lintasan yang efisien di lingkungan 3D. Dalam skenario yang disimulasikan, algoritma Q-learning memungkinkan UAV untuk menempuh jarak antara 735,39 cm hingga 775,39 cm dengan durasi penerbangan antara 14,70 dan 15,50 detik. Jika dibandingkan dengan SARSA, Q-learning meningkatkan efisiensi lintasan titik sebesar 3,33% hingga 22,85%, memperpendek jarak tempuh hingga 17,86%, serta mengurangi durasi penerbangan hingga 17,87%.
Sebagai kesimpulan, Q-learning memberikan pendekatan yang lebih efektif dan efisien untuk perencanaan lintasan UAV di lingkungan 3D dibandingkan dengan SARSA. Pendekatan yang diusulkan ini berhasil meningkatkan optimalisasi perencanaan jalur dalam hal jarak, waktu tempuh, dan efisiensi navigasi, sehingga sangat sesuai untuk aplikasi UAV di dunia nyata pada lingkungan yang kompleks. | |
