Implementasi Ant Colony Optimization Algorithm dan Tabu Search untuk Optimasi Rute UAV Pemupukan pada Lahan Pertanian

Zuhroh, Fithrotuz (2025) Implementasi Ant Colony Optimization Algorithm dan Tabu Search untuk Optimasi Rute UAV Pemupukan pada Lahan Pertanian. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026211045-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (2MB) | Request a copy

Abstract

Pengaplikasian drone atau yang lebih dikenal dengan Unmanned Aerial Vehicles (UAV) pada bidang pertanian dilakukan karena efisiensinya yang tinggi dan dapat digunakan untuk pemupukan dan penyemprotan pestisida untuk tanaman di lahan pertanian. Namun, pengoperasian UAV saat ini masih dilakukan secara manual oleh operator yang dapat menyebabkan tingkat kesalahan dan pengulangan yang tinggi. Diperlukan penugasan agar UAV dapat menyelesaikan tugasnya secara mandiri. Oleh karena itu, perlu dilakukan perencanaan rute yang efektif dan efisien yang harus dilewati oleh UAV. Perencanaan rute penerbangan memiliki kesamaan dengan permasalahan Vehicle Routing Problem (VRP). Vehicle Routing Problem merupakan masalah optimasi untuk menentukan rute terbaik bagi sejumlah kendaraan yang harus mengunjungi beberapa titik dengan tujuan meminimalkan total biaya perjalanan dan mempertimbangkan beberapa batasan. Solusi yang tepat untuk masalah ini akan melibatkan algoritma yang bertujuan untuk menemukan semua solusi yang mungkin. Dalam penelitian ini, masalah VRP diselesaikan dengan menggunakan algoritma Ant Colony Optimization (ACO) dan Tabu Search (TS) untuk memperoleh rute pemupukan yang optimal yang dapat mencakup seluruh lahan pertanian dengan menggunakan UAV. Algoritma Ant Colony Optimization digunakan untuk mendapatkan jalur paling efektif yang melibatkan seluruh titik penyemprotan pupuk dan Tabu Search digunakan sebagai local search untuk mengatasi hasil Ant Colony Optimization yang cepat konvergen sehingga akan diperoleh perencanaan rute yang lebih optimal. Uji Coba dilakukan pada dua lahan yakni Sawah Wonorejo dan Sawah Brenggolo. Penelitian ini akan membandingkan hasil total waktu yang ditempuh UAV pada initial Ant Colony Optimization dan setelah dioptimasi dengan Tabu Search. Hasil penelitian menunjukkan bahwa algoritma ACO-TS menghasilkan pengurangan biaya rute hingga 3,93% untuk lahan Sawah Wonorejo dan 4,71% untuk lahan Sawah Brenggolo. Hasil percobaan menunjukan bahwa pendekatan ACO-TS cukup baik dalam mengoptimalkan rute pemupukan pada lahan pertanian menggunakan UAV.
================================================================================================================================
The application of drones or also known as Unmanned Aerial Vehicles (UAVs) in agriculture is due to their high efficiency and can be used for fertilizing and spraying pesticides for crops on farmland. However, the operation of UAVs is currently still handled manually by operators which can lead to high error and repetition rates. It requires an assignment for the UAV to complete its task independently. Therefore, it is necessary to plan an effective and efficient route that must be traveled by the UAV. Flight route planning for UAV has similarities with the Vehicle Routing Problem (VRP). The Vehicle Routing Problem is an optimization problem to find the best route for a number of vehicles that must visit several points with the aim of minimizing the total cost of travel and considers several constraints. Solution to this problem will require an algorithm that can find all possible solutions. In this research, the VRP problem is solved by using Ant Colony Optimization (ACO) and Tabu Search (TS) algorithms to obtain the optimal fertilization route that can cover the entire field using UAV. Ant Colony Optimization algorithm is used to get the most effective path to cover all fertilizer spraying points and Tabu Search is used as a local search to fix Ant Colony Optimization results that converge quickly as to obtain a better optimal route planning. Trials were conducted on two fields, Wonorejo Rice Field and Brenggolo Rice Field. This research will compare the results of the total time taken by the UAV in the initial Ant Colony Optimization and after being optimized with Tabu Search. The results showed that the ACO-TS algorithm resulted in a route cost reduction of 3.93% for Wonorejo Rice Field and 4.71% for Brenggolo Rice Field. The experimental results show that the ACO-TS approach is good enough to optimize the fertilization route on agricultural land using UAVs.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Vehicle Routing Problem, Ant Colony Optimization, Tabu Search
Subjects:	H Social Sciences > HE Transportation and Communications > HE336.R68 Route choice T Technology > T Technology (General) > T57.84 Heuristic algorithms.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Fithrotuz Zuhroh
Date Deposited:	02 Feb 2025 02:15
Last Modified:	02 Feb 2025 02:15
URI:	http://repository.its.ac.id/id/eprint/117672

Actions (login required)

View Item