EVALUASI PERBANDINGAN ALGORITMA ACO, IACO, A*, DAN DIJKSTRA UNTUK OPTIMASI JALUR LOGISTIK AGV DALAM UPAYA MENGHINDARI DEADLOCK

Automated Guided Vehicle (AGV) berperan penting dalam sistem logistik dan manufaktur modern untuk meningkatkan efisiensi perpindahan material. Salah satu tantangan utama dalam pengoperasian AGV adalah penentuan jalur optimal yang mampu meminimalkan waktu tempuh serta mengurangi potensi konflik dan deadlock. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan performa algoritma Dijkstra, A*, Ant Colony Optimization (ACO), dan Improved Ant Colony Optimization (IACO) dalam optimasi jalur logistik AGV. Penelitian menggunakan pendekatan eksperimental kuantitatif melalui dua tahap, yaitu simulasi berbasis Python dan pengujian nyata menggunakan prototipe AGV skala laboratorium pada lingkungan berbasis grid yang merepresentasikan tata letak gudang sederhana. Parameter yang dianalisis meliputi jarak tempuh, waktu perjalanan, kecepatan rata-rata AGV, serta tingkat konsistensi pergerakan. Hasil penelitian menunjukkan bahwa seluruh algoritma mampu menghasilkan jalur dengan jarak tempuh yang sama pada lintasan tetap. Algoritma A* dan Dijkstra menghasilkan waktu tempuh rata-rata tercepat pada pengujian nyata, sedangkan IACO menunjukkan tingkat konsistensi terbaik berdasarkan nilai deviasi standar terendah. Perbandingan hasil simulasi dan pengujian nyata menunjukkan selisih waktu kurang dari 10%, yang menandakan kesesuaian yang baik antara simulasi dan implementasi nyata. Secara keseluruhan, algoritma deterministik lebih sesuai untuk lingkungan sederhana yang menuntut kecepatan dan konsistensi, sementara algoritma metaheuristik memiliki potensi untuk diterapkan pada lingkungan yang lebih kompleks.