eprintid: 2845
rev_number: 15
eprint_status: archive
userid: 31
dir: disk0/00/00/28/45
datestamp: 2020-10-23 07:37:37
lastmod: 2020-10-23 07:37:37
status_changed: 2020-10-23 07:37:37
type: thesis
metadata_visibility: show
contact_email: repository@staff.ukdw.ac.id
creators_name: 71120001, HIZKIA JUAN SURYANTO
creators_id: hizkia.juan@ti.ukdw.ac.id
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: C., Antonius Rachmat
contributors_name: Lukito, Yuan
corp_creators: Universitas Kristen Duta Wacana
title: INDOOR POSITIONING SYSTEM DENGAN ALGORITMA K-MEANS DAN KNN STUDI KASUS: UNIVERSITAS KRISTEN DUTA WACANA
ispublished: pub
subjects: QA75
divisions: tek_informatika
full_text_status: restricted
keywords: clustering, classification, indoor positioning system, K-Means,
KNN.
abstract: Indoor Positioning System (IPS) merupakan sistem penentuan posisi seseorang dalam konteks indoor. Salah satu cara yang umum digunakan adalah dengan memanfaatkan data kuat sinyal WiFi. Dalam penelitian ini, sistem dibangun dengan memanfaatkan data kuat sinyal WiFi dari 177 Access Point (AP) yang tersebar di 11 gedung yang ada di Universitas Kristen Duta Wacana (UKDW). Total data kuat sinyal yang dijadikan data pelatihan sejumlah 11568 data Received Signal Strength (RSS) dari 42 ruang publik. Sistem dibangun dengan menerapkan algoritma klusterisasi K-Means dan algoritma klasifikasi KNN. Proses klusterisasi dilakukan untuk membagi data latih menjadi beberapa kluster, kemudian proses klasifikasi dilakukan untuk menentukan posisi akhir seseorang. Proses pengujian dan analisis sistem dilakukan menggunakan metode K-Fold Cross Validation dengan jumlah fold 10. Proses tersebut menguji proses klusterisasi dengan pilihan k=2 hingga k=11, sedangkan proses klasifikasi diuji dari pilihan k=1 hingga k=5. Proses klusteriasi dan pengujian diimplementasi pada aplikasi desktop. Dari hasi pengujian yang dilakukan pada aplikasi desktop, nilai k optimal yang didapat dari masing-masing proses diimplementasi pada aplikasi mobile. Berdasarkan hasil penelitian, sistem berhasil mengimplementasi algoritma klusterisasi K-Means dan klasifikasi KNN untuk menentukan posisi seseorang dalam konteks indoor. Persentase akurasi yang dihasilkan adalah 88.49% dimana nilai k optimal yang didapat adalah k=10 untuk proses klusterisasi, dan k=1 untuk proses klasifikasi.
date: 2016-07
date_type: published
pages: 109
institution: Universitas Kristen Duta Wacana
department: Informatika
thesis_type: skripsi
thesis_name: other
citation:   71120001, HIZKIA JUAN SURYANTO  (2016) INDOOR POSITIONING SYSTEM DENGAN ALGORITMA K-MEANS DAN KNN STUDI KASUS: UNIVERSITAS KRISTEN DUTA WACANA.  Bachelor thesis, Universitas Kristen Duta Wacana.   
document_url: https://katalog.ukdw.ac.id/2845/1/71120001_bab1_bab5_daftarpustaka.pdf
document_url: https://katalog.ukdw.ac.id/2845/2/71120001_bab2-sd-bab4_lampiran.pdf