PENENTUAN LOKASI PADA RUANG TERBUKA BERBASIS RECEIVED SIGNAL STRENGTH INDICATOR MENGGUNAKAN METODE FINGERPRINT DAN ALGORITMA K-NEAREST NEIGHBOR

SUCI RADITYA, YADNYA (2024) PENENTUAN LOKASI PADA RUANG TERBUKA BERBASIS RECEIVED SIGNAL STRENGTH INDICATOR MENGGUNAKAN METODE FINGERPRINT DAN ALGORITMA K-NEAREST NEIGHBOR. S1 thesis, Universitas Mataram.

	Text LAPORAN TA LENGKAP DAN PENGESAHAN_SUCI RADITYA YADNYA_F1B020.pdf Restricted to Repository staff only Download (1MB)
	Text SUCI SCRIPT.ipynb Download (157kB)

Abstract

Teknologi untuk memprediksikan posisi perangkat mobile dari suatu tempat menggunakan GPS saat ini memiliki akurasi yang rendah. Oleh karena itu, tujuan penelitian peneliti saat ini adalah menemukan alternatif lain dalam menentukan posisi perangkat mobile sebagai obyek dengan akurasi yang lebih baik. Untuk memenuhi tujuan tersebut digunakan metode fingerprint dengan cara mengklasifikasi posisi obyek menggunakan pendekatan K-Nearest Neighbor sebagai Pengklasifikasian posisi berdasarkan nilai RSSI yang diperoleh menjadi nama lokasi berdasarkan karakteristik standarisasi nilai RSSI dari perangkat mobile tersebut pada suatu lokasi. Penentuan lokasi menggunakan algoritma K-NN menggunakan total 240 data lokasi perangkat mobile dengan presentase penyajian data yaitu 192 sebagai data training dan 48 sebagai data testing. Dengan menggunakan nilai RSSI 3 provider yaitu (Telkomsel,Tri dan Xl). Parameter sumbu X lokasi yaitu (A,B,C,D,E,F,G,dan H) dan Parameter sumbu Y lokasi yaitu (0,1,2,3,4,5,6,7,dan 8). Kemudian, hasil pengujian akurasi menggunakan metode K-NN dilakukan dengan cara mencari nilai RSSI tetangga terdekat dan mendapatkan hasil akurasi yaitu, pada variasi K=3 tingkat akurasinya adalah 66%, variasi K=5 tingkat akurasinya adalah 71% dan variasi K=7 tingkat akurasinya adalah 73% . Presentase data akurasi nilai RSSI perangkat mobile pada label lokasi sumbu X dan sumbu Y digunakan untuk 3 parameter provider sekaligus yaitu, (Telkomsel,Tri dan Xl). Peneliti memperoleh kesimpulan bahwa pada pengujian penelitian menggunakan metode K-Nearest Neighbor ini semakin banyak nilai K yang dimasukan maka semakin bagus hasil akurasi pada suatu kelas label lokasi perangkat mobile tersebut.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Fingerprint, K-Nearest Neighbor, RSSI.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	26 Jan 2024 07:59
Last Modified:	26 Jan 2024 07:59
URI:	http://eprints.unram.ac.id/id/eprint/44294

Actions (login required)

View Item