INDOOR POSITIONING SYSTEM DENGAN ALGORITMA K-MEANS DAN KNN STUDI KASUS: UNIVERSITAS KRISTEN DUTA WACANA

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.

[img] Text (Skripsi Informatika)
71120001_bab1_bab5_daftarpustaka.pdf

Download (2MB)
[img] Text (Skripsi Informatika)
71120001_bab2-sd-bab4_lampiran.pdf
Restricted to Registered users only

Download (3MB) | Request a copy

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.

Item Type: Thesis (Bachelor)
Uncontrolled Keywords: clustering, classification, indoor positioning system, K-Means, KNN.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Informasi > Prodi Informatika
Depositing User: mr Kristofer Bayu Pamungkas - Resign
Date Deposited: 23 Oct 2020 07:37
Last Modified: 23 Oct 2020 07:37
URI: http://katalog.ukdw.ac.id/id/eprint/2845

Actions (login required)

View Item View Item