Evaluasi Eksperimental terhadap Navigasi SLAM dan Sistem Pengikut Garis pada Kendaraan Berpemandu Otomatis untuk Meningkatkan Fleksibilitas Operasional Industri

Gambar Ilustrasi AI

FORMOSA NEWS - Jakarta - SLAM vs Line Follower: Sistem Navigasi Robotik Mana yang Lebih Efisien untuk Industri Modern? Penelitian yang dilakukan oleh Ariep Jaenul, Rio Handoko, dan Brainvendra Widi Dionova dari Universitas Global Jakarta dalam artikel penelitian yang dipublikasikan pada Formosa Journal of Computer and Information Science (FJCIS) edisi Vol. 5 No. 2 Tahun 2026 menyoroti bahwa memberikan panduan berbasis data bagi industri manufaktur dalam memilih teknologi robotik yang tepat untuk meningkatkan fleksibilitas operasional pabrik tanpa mengorbankan efisiensi.

Tantangan Fleksibilitas di Era Industri 4.0

Seiring berkembangnya Industri 4.0, sistem logistik dan manufaktur dituntut untuk bergerak lebih cepat dan adaptif. Robot pengangkut barang otomatis atau AGV merupakan tulang punggung dalam pemindahan material di area produksi. Selama ini, sebagian besar industri masih mengandalkan sistem line follower, di mana AGV bergerak mengikuti jalur fisik berupa pita magnetik atau garis di lantai. Meskipun sistem garis fisik ini sangat andal dan berbiaya rendah, masalah besar muncul ketika tata letak (layout) produksi berubah. Setiap kali ada perubahan rute, teknisi harus mencopot dan memasang kembali jalur fisik di lantai pabrik, yang memakan waktu dan menghentikan proses kerja. Teknologi navigasi pintar seperti SLAM menawarkan solusi dengan memetakan lingkungan secara mandiri tanpa jalur fisik. Namun, fleksibilitas ini memerlukan pemrosesan data sensor yang kompleks yang berpotensi memengaruhi presisi posisi robot.

Metodologi Pengujian Eksperimental
Untuk membandingkan kedua sistem navigasi secara adil, para peneliti melakukan uji coba langsung menggunakan satu platform AGV yang sama di area tes PT Akebono Brake Astra Indonesia dengan lintasan dasar sepanjang 10 meter.

• Perangkat Hardware & Arsitektur: AGV dilengkapi dengan pemindai laser RPLiDAR A2M12 $360^\circ$ dan sensor MPU-6050 Inertial Measurement Unit (IMU). Komputer utama Intel NUC menjalankan sistem operasi Ubuntu dan Robot Operating System (ROS) dengan algoritma Hector SLAM, sementara mikrokontroler Arduino Mega 2560 bertugas mengontrol pergerakan motor BLDC.
  
• Skenario Pengujian: Kedua sistem navigasi diuji secara sistematis dalam empat skenario operasional:
  
• Variasi Kecepatan: Diuji pada kecepatan $0,188\text{ m/s}$ dan $0,377\text{ m/s}$ pada lintasan lurus.
  
• Uji Hambatan: Jumlah halangan fisik ditingkatkan secara bertahap dari 1 hingga 10 rintangan.
  
• Variasi Beban: Diuji menggunakan 10 tingkatan beban, mulai dari $50,08\text{ kg}$ hingga $200,32\text{ kg}$.
  
• Perubahan Rute: Diuji pada lima konfigurasi belokan (offset $40\text{ cm}$ hingga $200\text{ cm}$) untuk mengukur waktu rekonfigurasi rute dan waktu tempuh.
  

Temuan Utama Penelitian
Hasil eksperimen menunjukkan adanya trade-off atau kompromi yang jelas antara presisi lintasan statis dan fleksibilitas operasional:

• Presisi Tinggi pada Jalur Statis: Pada lintasan lurus tanpa hambatan, line follower unggul dalam akurasi dan kecepatan tempuh. Pada kecepatan $0,188\text{ m/s}$, line follower mencatat rata-rata eror posisi akhir sebesar $1,06\text{ cm}$, sedangkan SLAM mencatat eror $8,42\text{ cm}$. Saat kecepatan dinaikkan menjadi $0,377\text{ m/s}$, eror line follower naik menjadi $2,25\text{ cm}$, sementara eror SLAM relatif stabil di angka $8,49\text{ cm}$.
  
• Kemampuan Menghindari Halangan: Ketika jalur terhalang benda fisik, AGV line follower mengalami kegagalan tugas $100\%$ karena hanya bisa berhenti dan tidak dapat mencari rute alternatif. Sebaliknya, SLAM berhasil menyelesaikan $100\%$ pengujian dengan memilih rute memutar, di mana waktu tempuh hanya meningkat sedikit dari $45,32\text{ detik}$ (1 hambatan) menjadi $51,12\text{ detik}$ (10 hambatan).
  
• Stabilitas Terhadap Perubahan Beban: Saat membawa beban hingga $200,32\text{ kg}$, eror posisi line follower melonjak sebesar $71,6\%$ (dari $4,05\text{ cm}$ menjadi $6,95\text{ cm}$). Sementara itu, eror pada SLAM lebih stabil dengan peningkatan hanya $7,1\%$ (dari $9,13\text{ cm}$ menjadi $9,78\text{ cm}$) berkat adanya balik umpan (feedback) sensor secara terus-menerus.
  
• Penghematan Waktu Rekonfigurasi Jalur 87,8%: Hasil paling signifikan terlihat pada pengujian perubahan rute. Rekonfigurasi rute fisik untuk line follower membutuhkan waktu rata-rata $286\text{ detik}$ karena pita jalur harus dilepas dan dipasang ulang. Sementara itu, sistem SLAM hanya membutuhkan waktu $35\text{ detik}$ melalui pembaruan peta di perangkat lunak—membuat perubahan rute $8,2\text{ kali}$ lebih cepat.
  

Dampak Riil bagi Industri dan Kebijakan Operasional
Penelitian ini memberikan dasar pertimbangan yang praktis bagi para pengelola industri dan pemilik usaha. Penggunaan navigasi line follower tetap menjadi pilihan paling efisien untuk proses produksi berulang (repetitive) yang menggunakan rute tetap tanpa gangguan. Namun, bagi pabrik modern yang sering mengubah tata letak lantai produksi atau memiliki alur kerja variabel, penerapan SLAM menawarkan penghematan waktu dan biaya operasional yang sangat signifikan. Penilaian dari personel operasional pabrik juga mengonfirmasi keunggulan ini, di mana skor rata-rata persepsi pengguna terhadap SLAM mencapai $4,44$ dari skala $5$. Indikator manfaat SLAM dan dampak implementasi mendapat skor tertinggi (masing-masing $4,69$ dan $4,63$).

Profil Penulis
Ariep Jaenul, M.T. – Dosen dan peneliti di Universitas Global Jakarta, Program Studi Teknik Industri. Memiliki keahlian di bidang sistem robotika industri, navigasi otonom, dan otomatisasi logistik.
Rio Handoko, M.T. – Dosen dan peneliti di Universitas Global Jakarta, Fakultas Teknik dan Ilmu Komputer. Berfokus pada bidang mekatronika, sistem tertanam (embedded system), dan kendali otomatis.
Brainvendra Widi Dionova, M.T. – Dosen dan peneliti di Universitas Global Jakarta, Program Studi Teknik Komputer. Berpengalaman dalam pengembangan perangkat lunak robotik, computer vision, dan integrasi sensor.

Sumber Penelitian
Ariep Jaenul, Rio Handoko, Brainvendra Widi Dionova. Experimental Evaluation of Navigation Slam and Line Follower on Automated Guided Vehicles to Improve Industrial Operational Flexibility. Formosa Journal of Computer and Information Science (FJCIS). Vol. 5, No. 2, Halaman 401–416)
DOI: https://doi.org/10.55927/fjcis.v5i2.17278
URL: https://journal.formosapublisher.org/index.php/fjcis