Penerapan Metode Particle Swarm Optimization (PSO) Dan Genetic Algorithm (GA) Pada Sistem Optimasi Visible Light Communication (VLC) Untuk Menentukan Posisi Robot

Nanda Febri Istighfarin; Regina Anisa Rahmastati; Herminarto Nugroho

doi:10.24176/simet.v11i1.4052

Penerapan Metode Particle Swarm Optimization (PSO) Dan Genetic Algorithm (GA) Pada Sistem Optimasi Visible Light Communication (VLC) Untuk Menentukan Posisi Robot

Nanda Febri Istighfarin
Regina Anisa Rahmastati
Herminarto Nugroho

Abstract

Visible Light Communication (VLC) adalah suatu teknologi komunikasi yang memanfaatkan pancaran cahaya tampak untuk pengiriman dan penerimaan sinyal. Perkembangan VLC merupakan sebuah inovasi dalam sistem navigasi untuk melacak posisi dari sebuah objek dengan komunikasi cahaya tampak LED. LED digunakan untuk menentukan titik koordinat dari sebuah objek. Pada penelitian ini digunakan metode Particle Swarm Optimization (PSO) dan Genetic Algorithm (GA) untuk menentukan posisi robot terhadap posisi LED. Dari dua metode tersebut dapat diketahui keefisienan masing-masing metode serta mengetahui tingkat keakuratan posisi robot dalam menerima informasi data dari LED. Hasil analisis menunjukan jika nilai path loss yang diterima receiver semakin besar, maka nilai squared error semakin besar pula. Saat nilai squared error semakin besar, tingkat keakuratan penentuan posisi robot semakin kecil karena posisi robot semakin jauh dari titik referensi yaitu posisi LED. Dengan menggunakan metode PSO dan GA diketahui jika hasil pencarian nilai minimum error relatif sama baiknya. Perbedaan pada kedua metode terlihat pada proses komputasi, yaitu waktu komputasi serta banyaknya partikel atau generasi yang dihitung.

Keywords

visible light communication; particle swarm optimization; genetic algorithm

Teks Lengkap:

PDF

Referensi

P. H. Pathak, X. Feng, P. Hu, and P. Mohapatra, “Visible Light Communication, Networking, and Sensing: A Survey, Potential and Challenges,” IEEE Communications Surveys and Tutorials. 2015, doi: 10.1109/COMST.2015.2476474.

L. M. Varalakshmi and R. Ramalingam, “GPS-based Navigated Autonomous Robot,” Int. J. Emerg. Trends Eng. Res., vol. 3, no. 4, pp. 8–13, 2015.

Auto Alert, “Potential Problems with GPS Tracking,” 2015, [Online]. Available: https://www.autoalert.me.uk/problems-with-gps-tracking/.

D. C. O’Brien, L. Zeng, H. Le-Minh, G. Faulkner, J. W. Walewski, and S. Randel, “Visible Light Communications: Challenges and possibilities,” in IEEE International Symposium on Personal, Indoor and Mobile Radio Communications, PIMRC, 2008, doi: 10.1109/PIMRC.2008.4699964.

A. Rosita and Y. Purwananto, “Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear,” J. Tek. ITS Vol. 1, (Sept, 2012), 2012.

M. Mansur, T. Prahasto, and F. Farikhin, “Particle Swarm Optimization Untuk Sistem Informasi Penjadwalan Resource Di Perguruan Tinggi,” J. Sist. Inf. BISNIS, vol. 4, 2014, doi:

21456/vol4iss1pp11-19.

D. F. Shiau, “A hybrid particle swarm optimization for a university course scheduling problem with flexible preferences,” Expert Syst. Appl., 2011, doi: 10.1016/j.eswa.2010.06.051.

J. Carr, “An Introduction to Genetic Algorithms,” pp. 1–40, 2014, [Online]. Available: http://www.javamath.com/snucode/lecture.pdf.

L. Rohaeni, D. Saepudin, and A. A. Rohmawati, “Penerapan Algoritma Genetika Untuk Optimasi Debit Air Pada Pembangkit Listrik Tenaga Air ‘Studi Kasus : Waduk Situ Cileunca, Jawa Barat,’” in e-Proceeding of Engineering, 2016.

DOI: https://doi.org/10.24176/simet.v11i1.4052