SISTEM ESTIMASI POSISI OBJEK PADA GEDUNG BERTINGKAT DENGAN TEKNIK RSS FINGERPRINT MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) CLASSIFIER

KUMARA, ENDI and Malik, Reza Firsandaya (2020) SISTEM ESTIMASI POSISI OBJEK PADA GEDUNG BERTINGKAT DENGAN TEKNIK RSS FINGERPRINT MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) CLASSIFIER. Undergraduate thesis, Sriwijaya University.

[img] Text
RAMA_56201_09011281520098.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (3MB) | Request a copy
[img] Text
RAMA_56201_09011281520098_TURNITIN.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (8MB) | Request a copy
[img]
Preview
Text
RAMA_56201_09011281520098_0025047609_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (838kB) | Preview
[img] Text
RAMA_56201_09011281520098_0025047609_02.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (246kB) | Request a copy
[img] Text
RAMA_56201_09011281520098_0025047609_03.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (401kB) | Request a copy
[img] Text
RAMA_56201_09011281520098_0025047609_04.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[img] Text
RAMA_56201_09011281520098_0025047609_05.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (85kB) | Request a copy
[img] Text
RAMA_56201_09011281520098_0025047609_06_ref.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (154kB) | Request a copy
[img] Text
RAMA_56201_09011281520098_0025047609_07_lamp.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (905kB) | Request a copy

Abstract

Sistem estimasi posisi objek pada gedung bertingkat merupakan penelitian yang menggunakan nilai Received Signal Strength (RSS) sebagai parameter utama yang didapatkan dari Access Point (AP) yang digunakan untuk memperkirakan posisi suatu objek. Pada penelitian ini menggunakan metode klasifikasi K-Nearest Neighbor (K-NN) untuk mendapatkan akurasi estimasi posisi objek berdasarkan data latih yang jaraknya paling dekat dengan objek tersebut. Lokasi yang digunakan pada penelitian ini adalah Gedung D Fakultas Ilmu Komputer, Universitas Sriwijaya, Indralaya yang memiliki tiga lantai. Penelitian ini melakukan percobaan dengan menggunakan 14 label yang mewakili tiap-tiap ruangan. Hasil dari pengujian akurasi sistem estimasi posisi objek pada gedung bertingkat dengan menggunakan k yang memiliki akurasi terbaik yaitu k=1 dengan hasil 100%, 93,3%, 90%, 91,6%, 93,3%, 91,6%, 90%, 90%, 91,6%, 95,3%, 85%, 76,6%, 88,3%, 75%. Analisa akan semakin baik jika access point berada pada tempat yang terjangkau oleh jangkauan access point tersebut.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Estimasi Posisi, RSS, K-Nearest Neighbor, Access Point
Subjects: Q Science > Q Science (General) > Q300-390 Cybernetics > Q325.5 Machine learning
T Technology > T Technology (General) > T1-995 Technology (General)
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5101-6720 Telecommunication Including telegraphy, telephone, radio, radar, television > TK5105.5.S72 Computer networks
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5101-6720 Telecommunication Including telegraphy, telephone, radio, radar, television > TK5105.585.S724 Computer networks Internet (Computer network) Computer networks--Standards Quality control
Divisions: 09-Faculty of Computer Science > 56201-Computer Systems (S1)
Depositing User: Mr. Endi Kumara
Date Deposited: 23 Jul 2020 07:55
Last Modified: 23 Jul 2020 07:55
URI: http://repository.unsri.ac.id/id/eprint/31639

Actions (login required)

View Item View Item