RSS Fingerprint Berbasis Mobile untuk Estimasi Lokasi di Dalam Gedung
|
|
- Fanny Chandra
- 7 tahun lalu
- Tontonan:
Transkripsi
1 RSS Fingerprint Berbasis Mobile untuk Estimasi Lokasi di Dalam Gedung Muhammad Ihsan Zul 1), Mochammad Susantok 2), Muhammad Diono 3), Hendra 4), Ari Kurniawan 5), Ronny Septio Pramono 6) 1) Jurusan Komputer, Politeknik Caltex Riau, Pekanbaru 28265, 2) Jurusan Teknik Elektro, Politeknik Caltex Riau, Pekanbaru 28265, 3) Jurusan Teknik Elektro, Politeknik Caltex Riau, Pekanbaru 28265, 4) Jurusan Komputer, Politeknik Caltex Riau, Pekanbaru 28265, 5) Jurusan Teknik Elektro, Politeknik Caltex Riau, Pekanbaru 28265, m 6) Jurusan Komputer, Politeknik Caltex Riau, Pekanbaru 28265, ronn Abstrak Analisis kekuatan sinyal WiFi merupakan kajian yang menarik untuk diteliti. Salah satu pemanfaatan kekuatan sinyal WiFi adalah untuk deteksi lokasi di dalam gedung. Deteksi lokasi tersebut telah dilakukan oleh banyak peneliti. Salah satu tahap yang dilakukan adalah fingerprint. Tahap ini merupakan tahap pengumpulan informasi kekuatan sinyal yang diterima (RSS) oleh instrumen pengukur di koordinat tertentu. Pada umumnya proses fingerprint dilakukan secara manual dengan mencatat sinyal yang diterima oleh perangkat pengukur. Penelitian ini merancang aplikasi pengumpul data kekuatan sinyal melalui perangkat mobile. Aplikasi dirancang pada perangkat mobile (smartphone) berbasis Android. Selanjutnya, data hasil pengumpulan fingerprint dianalisis dan diseleksi agar bisa dimanfaatkan. Hasil analisis dan seleksi tersebut diuji dengan menggunakan algoritma klasifikasi k-nn. Nilai k yang digunakan adalah 20. Hasil estimasi lokasi dianalisis dengan menggunakan 60 data uji dan 728 data hasil fingerprint yang telah diseleksi. Akurasi hasil pengujian ini mencapai 70 % untuk akurasi koordinat dan 73,3 % untuk akurasi ruang. Kata Kunci: mobile fingerprint, k-nn, Estimasi lokasi Abstract Analysis of the WiFi signal strength is an interesting field to study. Indoor localization is one of the most research that using WiFi signal strength to determine object position. The location detection has been performed by many researchers. The fingerprint is known as an important phase in this research. The fingerprint is an information gathering phase of the signal strength of access points that have been determined. A fingerprint process commonly done by recording the signal strength received by using a measuring device. This research collects the received signal strength data using an application through mobile devices. The applications run on mobile devices based on the Android operating system. Furthermore, the fingerprint data were analyzed and selected to be used. The analysis results were tested by using k-nn classification algorithm. K value used is 20. Location estimation results were analyzed using 60 test data and 728 fingerprint data that have been selected. The accuracy of the test results is 70% for coordinates accuracy and 73.3% for the office space accuracy. Keywords: mobile fingerprint, k-nn, location estimation 1. PENDAHULUAN Indoor localization merupakan salah satu kajian yang dibahas di bidang pervasive computing. Pemetaan lokasi dan penentuan koordinat suatu gedung merupakan langkah awal yang dilakukan untuk merancang sistem estimasi posisi suatu objek. Estimasi posisi tersebut diukur dengan menggunakan berbagai sumber, seperti sinyal, sensor, suara dan lain-lain. Dewasa ini telah dikembangkan berbagai macam sistem estimasi posisi di suatu ruangan dengan menggunakan sinyal frekuensi radio. Seperti sinyal jaringan bluetooth, UWB, GSM, CDMA dan sinyal WiFi (IEEE b/g) [1][2][3][4][6]. Sinyalsinyal tersebut mertuapakan suatu parameter yang dapat diukur dengan menggunakan perangkat tertentu. Politeknik Caltex Riau (PCR) merupakan salah satu perguruan tinggi yang memiliki gedung dengan infrastruktur jaringan yang tertata baik. Access point merupakan peralatan penting yang umum dimiliki oleh sebuah gedung, terlebih institusi pendidikan tinggi. Penempatan access point yang hampir mengcover semua gedung Politeknik Caltex Riau dapat dimanfaatkan untuk merancang sistem yang dapat melakukan estimasi terhadap posisi suatu objek. Estimasi posisi tersebut diukur dengan menggunakan kekuatan sinyal yang dipancarkan oleh beberapa access point yang terletak pada posisi tertentu. Pengukuran sinyal merupakan bagian penting dalam penelitian ini. Pengukuran kekuatan sinyal dilakukan dengan menggunakan konsep trilaterasi. Dimana kekuatan sinyal yang akan diukur diambil dari tiga access point yang ditempatkan pada posisi-posisi tertentu dan tidak berdekatan.
2 Pengukuran sinyal tersebut dilakukan untuk setiap titik yang telah dipetakan. Penelitian menggunakan area blok 6 lantai dua gedung utama Politeknik Caltex Riau. Lantai dua blok 6 dipetakan hingga menghasilkan 103 titik yang akan diukur kekuatan sinyalnya dari masing-masing access point yang telah ditentukan. Konsep pengukuran an pengumpulan data dengan cara seperti ini dikenal dengan nama teknik fingerprint[5][6][7][8]. Pada umumnya, pengumpulan data tersebut dilakukan secara manual dengan bantuan komputer, telepon genggam, dan perangkat lain yang dapat mengukur kekuatan sinyal WiFi. Kekuatan sinyal setiap titik dicek secara manual[1][2][3][9][11]. Kemudian data hasil pengecakan dicatat dalam bentuk file atau catatan tertentu. Cara ini merupakan cara klasik yang umum dilakukan. Penelitian ini mengajukan teknik fingerprint yang bereda dari penelitian sebelumnya. Teknik ini menggunakan perangkat mobile. Perangkat mobile yang digunakan berbasis Android. Sehingga terdapat aplikasi tertentu yang digunakan untuk mengumpulkan data kekuatan sinyal masing-masing titik yang telah ditentukan. Selanjutnya data sebaran sinyal akan dipetakan dan di-filter untuk selnajutnya dijadikan sebagai data training estimasi lokasi. Algoritma yang digunakan adalah Algoritma klasifikasi k-nn. 2. PENELITIAN TERKAIT Penelitian tentang indoor localization atau deteksi lokasi dalam gedung telah banyak dilakukan. Penelitian-penelitian tersebut menggunakan berbagai macam teknologi untuk memprediksi posisi suatu objek di dalam gedung. Penelitian [1] menggunakan kekuatan sinyal GSM untuk mengestimasi posisi suatu objek di dalam gedung. Lokasi penelitian yang dilakukan berada di lantai tiga gedung jurusan Teknik Elektro dan Teknologi Informasi UGM. Metode fingerprint dilakukan secara manual. Penentuan titik untuk masing-masing grid dilakukan setiap 1 meter. Perangkat yang digunakan adalah handphone Sony Ericsson. Dimana setiap kekuatan sinyal yang terdeteksi dari tiga provider yang berbeda dicatat dan disimpan alam file excel. Estimasi lokasi dilakukan dengan menggunakan algoritma Nearest Neighbor (NN). Penelitian selnajutnya [2] menggunakan kekuatan sinyal WiFi (IEEE g) sebagai acuan estimasi lokasi. Kekuatan sinyal dikumpulkan dengan menggunakan laptop yang diukur dengan menggunakan aplikasi NetSurveyor. Pencatatan kekuatan sinyal dilakukan secara manual dengan menggunakan catatan kertas dan file excel. Estimasi lokasi dilakukan dengan menggunakan algoritma klasifikasi Naïve Bayes. Penelitian lain [3] menggunakan perangkat mobile untuk mengumpulkan data. Proses fingerprint setiap titik dilakukan dengan mengukur kekuatan sinyal yang ditangkap oleh perangkat mobile. Penelitian ini membandingkan tiga algoritma klasifikasi yaitu MLP NN, GR NN dan k-nn. Penelitian ini menghasilkan kesimpulan bahwa algoritma k-nn adalah algoritma klasifikasi terbaik. Penelitian [4] menggunakan kekuatan sinyal WiFi untuk mengestimasi lokasi. Data hasil fingerprint merupakan data mentah yang akan diolah kembali. Data hasil pengolahan fingerprint di-filter dan diseleksi untuk mengetahui nilai-nilai hasil pengukuran yang dianggap tidak relevan. Tahap estimasi lokasi dilakukan dengan menggunakan teknik clustering dan klasifikasi. Clustering digunakan untuk memilih dan menyaring semua data hasil fingerprint. Tujuannya adalah agar data yang akan diuji menjadi lebih sedikit. Sehingga waktu komputasi sistem menjadi lebih cepat. Setelah proses clustering dilakukan, maka estimasi lokasi dilanjutkan dengan menggunakan algortima klasifikasi. Penelitian [7] menggunakan 7 access point yang berbeda dalam mengestimasi lokasi objek di dalam suatu gedung. Kekuatan sinyal yang diukur dari semua access point yang ditentukan. Akan tetapi pada saat penentuan lokasi. Sistem akan memilih 3 access point yang dijadikan sebagai acuan untuk mengestimasi lokasi. 3. METODE PENELITIAN Penelitian ini dilakukan melalui tahap-tahap tertentu. Tahap-tahap tersebut antara lain: 3.1 Perancangan Aplikasi Fingerprint Aplikasi fingerprint dirancang dengan menggunakan sistem operasi berbasis Android. Terdapat beberapa parameter yang akan ditangkap oleh aplikasi, diantaranya Mac Address dari tiga Access point, SSID, Kekuatan Sinyal (RSS) dan Koordinat titik. 3.2 Penentuan Access point Tahap ini dilakukan untuk menentukan Access point yang akan diukur kekuatan sinyalnya. Access point tersebut ditentukan berdasarkan jangkauan sinyalnya. Access point yang dipilih adalah access point yang jangkauan sinyalnya dapat diakses di lantai 2 blok 6 gedung utama Politeknik Caltex Riau. 3.3 Tahap Pengujian Aplikasi Fingerprint Pengujian ini dilakukan untuk memastikan apakah sinyal yang ditangkap oleh aplikasi bisa dikirimkan ke server yang telah disediakan. 3.4 Pemetaan Lokasi Pemetaan ini dilakukan untuk memetakan dan menentukan titik-titik yang akan diukur kekuatan sinyalnya. Penentuan titik dilakukan untuk setiap 2
3 meter. Jadi grid akan terbentuk untuk setiap 2 2 meter. 3.5 Tahap Fingerprint. Fingerprint dilakukan untuk semua titik yang telah dipetakan. Kekuatan sinyal dari tiga Access point yang telah ditentukan akan diukur dan disimpan sebanyak 7 kali dalam rentang waktu sekitar 1 menit. Ilustrasi tahap fingerprint dapat dilihat pada gambar 1. Database Server RSS1 RSS2 Gambar 1. Proses Fingerprint RSS3 Tahap fingerprint ini dilakukan dengan menggunakan smartphone dengan spesifikasi sebagai berikut. 1. Merk: LG Optiomus L4 II E Sistem Operasi: Jelly Bean WLAN: Wi-Fi b/g/n 3.6 Tahap Filter dan Analysis Data Pada tahapan ini akan dilakukan pengecekan data hasil fingerprint. Pengecekan tersebut dilakukan untuk mengetahui data yang tidak memiliki informasi yang lengkap (missing value) dan data yang salah, seperti koordinat dan sebaran sinyal yang ditangkap. 3.7 Analisis Data Pada tahap ini data yang telah di-filter akan dianalisis sebaran sinyalnya. Sebaran sinyal tersebut diambil dari nilai rata-rata sinyal untuk setiap titik. Kekuatan sinyal hasil rata-rata tersebut akan dipetakan menurut posisinya. Selanjutnya dilakukan analisis berdasarkan nilai kekuatan sinyal tiap titik uji dari masing access point yang digunakan. 3.8 Pengumpulan Data Uji Pengumpulan data uji digunakan untuk mengecek hasil estimasi lokasi yang dihasilkan oleh sistem berdasarkan algoritma tertentu. Data uji yang dikumpulkan diambil secara acak dari beberapa titik di lantai 2 blok 6 gedung utama PCR. 3.9 Estimasi Lokasi Pada tahap ini akan dilakukan pengujian terhadap data uji. Data uji akan diolah dan diproses untuk mendapatkan estimasi lokasi dari masing-masing data uji tersebut. Estimasi lokasi dilakukan dengan menggunakan algortima klasifikasi k-nn dengan nilai k 20. k-nn merupakan algoritma klasifikasi yang diukur berdasarkan jarak dari nilai tetangga terdekat. Nilai k merupakan jumlah tetangga yang ditentukan. [10]. Persamaan untuk algortima k-nn dapat dilihat pada rumus 1. (1) d merupakan nilai euclidean distance yang diukur dari kekuatan sinyal (RSS) data uji (rss q ) dan kekuatan sinyal (RSS) data fingerprint/data training (RSS q ). Proses tersebut dilakukan kepada semua data hasil fingerprint yang dikumpulkan Analisis Akurasi Analisis akurasi merupakan tahap akhir yang dilakukan di dalam penelitian ini. Pada tahap ini akan dilakukan pembandingan hasil estimasi sistem dengan hasil riil yang diambil saat mengumpulkan data uji. Pada pengujian ditentukan nilai ambang batas hasil akurasi yaitu sebesar 4 meter. Artinya estimasi posisi akan tetap dikatakan akurat jika hasil estimasi yang dihasilkan sistem berada dalam radius ambang batas koordinat riil. 4. HASIL DAN PEMBAHASAN 4.1 Aplikasi Fingerprint Aplikasi fingerprint dirancang untuk aplikasi mobile berbasis Android. Aplikasi ini dilengkapi dengan kemampuan untuk menangkap kekuatan sinyal dari tiga access point yang ditentukan oleh pengguna. Selain itu pengguna juga dapat mengubah alamat server yang akan digunakan untuk menampung semua data fingerprint. Aplikasi ini akan mengirimkan informasi kekuatan sinyal dari tiga access point, koordinat titik dan nama ruangan. Tampilan aplikasi tersebut dapat dilihat pada gambar Hasil Pemetaan Lokasi dan Posisi Access Point a. Posisi Access Point Penelitian dilakukan di lantai 2 blok 6 Politeknik Caltex Riau. Gambaran mengenai lokasi penelitian dan letak access point dapat dilihat pada gambar 3. Terdapat tiga access point yang digunakan di dalam penelitian ini. Ketiga access point tersebut antara lain: AP Pustaka 2, AP- 234 dan AP Ketiga access point tersebut memiliki spesifikasi yang sama. Adapun spesifikasi access point tersebut antara lain: 1. Vendor : Sparklan Communication 2. Tipe : Indoor Set 411AR 3. Wireless : 1 x Built in AR b/g
4 Gambar 2. Aplikasi Fingerprint Gambar 4. Koordinat Fingerprint Dari Gambar 5, terdapat beberapa ruangan yang tidak diukur kekuatan sinyalnya. Sehingga dari pemetaan yang dilakukan terdapat 104 koordinat yang akan diukur kekuatan sinyalnya. Pengukuran kekuatan sinyal yang dilakukan dengan teknik fingerprint menghasilkan sebanyak 878 data. Semua data tersebut dapat dikumpulkan dalam waktu kurang dari 1 hari. Akan tetapi, data tersebut bukanlah data yang siap digunakan untuk melakukan estimasi lokasi. Gambar 3. Lokasi dan posisi access point b. Koordinat Fingerprint Koordinat fingerprint yang digunakan berjarak 2 m 2 m. Jarak tersebut diukur dengan menggunakan alat ukur meteran. Setiap titik hasil pengukuran ditandai dan selanjutnya dijadikan acuan untuk pengumpulan data kekuatan sinyal. Koordinat yang digunakan untuk pengukuran dapat dilihat pada gambar Hasil Analisis Data Sebanyak 878 data yang dikumpulkan dari teknik fingerprint belum dapat digunakan sebagai data training untuk estimasi lokasi. Proses pengecakan dan penyeleksian dilakukan agar data yang diperoleh adalah data ang valid. Dari hasil pengecekan dan seleksi tersebut, maka terpilih sebanyak 728 data. Sehingga setiap titik yang dikumpulkan kekuatan sinyalnya akan memiliki masing-masing 7 data kekuatan sinyal dari tiga access point yang berbeda. Gambaran data training tersebut dapat dilihat pada tabel 1. No. Tabel 1. Data Training Kekuatan Sinyal RSS1 (dbm) RSS2 (dbm) RSS3 (dbm) Koordinat x y Kelas
5 Data pada tabel 1 merupakan data yang telah difilter dan diseleksi. Sehingga data tersebut siap digunakan untuk estimasi lokasi. Selanjutnya data ini akan diukur dengan data uji untuk menghasilkan estimasi lokasi dengan menggunakan algoritma k- NN. Sebaran data training tersebut dapat dilihat pada gambar 5. pengujian dengan menggunakan algoritma klasifikasi k-nn dengan k 20, maka sistem mampu mencapai akurasi hingga 70% untuk akurasi koordinat dan % untuk akurasi ruang. Penelitian lanjutan yang akan dilakukan adalah meningkatkan akurasi hasil estimasi. Selain itu, estimasi lokasi juga akan dilakukan untuk semua blok yang terdapat di gedung Politeknik Caltex Riau. DAFTAR REFERENSI [1] Hani Rubiani, Widyawan, and Lukito Edi Nugroho, "GSM Fingerprint untuk Deteksi Lokasi dalam Gedung dengan Menggunakan Algoritma Naive Bayes," in CITEE, Yogyakarta, 2012, pp Gambar 5. Sebaran Sinyal Menurut Urutan Data 4.4 Akurasi Estimasi Posisi Akurasi estimasi posisi dilakukan dengan cara membandingkan estimasi posisi hasil pengolahan algortima klasifikasi k-nn dengan koordinat riil yang dikumpulkan saat pengukuran kekuatan sinyal. Data uji yang digunakan adalah data yang dikumpulkan setelah tahap fingerprint dilakukan. Hasilnya, terdapat 60 data uji yang diambil dari koordinat-koordinat tertentu. Penentuan koordinat uji dilakukan secara acak. Hasil pengujian estimasi lokasi dari 60 data uji dapat dilihat pada tabel 2. Tabel 2. Persentase Hasil Estimasi Posisi Jumla Data Training Uji Akurasi Koordinat Akurasi Ruang % 73,3 % Selain itu, dilakukan analisis terhadap kesalahan estimasi yang dihasilkan sistem. Dari hasil perhitungan jarak rata-rata ketidakakuratan sistem berjarak 5,5 Meter. Hasil ini didapat dari 18 data hasil estimasi yang tidak akurat. 5. KESIMPULAN Penelitian ini dilakukan dengan menggunakan aplikasi fingerprint berbasis mobile. Aplikasi tersebut dikembangkan dengan menggunakan sistem operasi Android. Perangkat yang digunakan untuk mengumpulkan data dari teknik fingerprint adalah Smartphone LG Optimus L4 II E440. Dengan menggunakan aplikasi ini, pengumpulan data untuk estimasi lokasi menjadi lebih cepat. Akurasi hasil estimasi lokasi dilakukan dengan dua cara. Pertama adalah estimasi koordinat dan yang kedua adalah estimasi ruang. Berdasarkan hasil [2] Chairani, Widyawan, and Sri Suning K, "Indoor Localization Berbasis RSS Fingerprint Menggunakan IEEE g," in CITEE, Yogyakarta, 2012, pp [3] Gilles Ibrahim WASSI and Charles Despins, "Indoor Location Using Received Signal Strength of IEEE b Access Point," in CCECE/CCGEI, Saskatoon, 2005, pp [4] Wilson M, Yeung, and Jospeh K. Ng, "An Enhanced Wireless LAN Positioning Algorithm based on the Fingerprint Approach," in TENCON IEEE Region 10 Conference, Hong Kong, 2006, pp [5] Wilson M, Yeung, and Josep K. Ng, "Wireless LAN Positioning based on Received Signal Strength from Mobile Device and Access Points," in International Conference on Embedded and Real-Time Computing Systems and Applications, RTCSA th IEEE, Daegu, 2007, pp [6] Hongpeng Wang and Fei Jia, "A Hybrid Modeling for WLAN Positioning System," in International Conference on Wireless Communications, Networking and Mobile Computing, WiCom 2007, Shanghai, 2007, pp [7] Alireza Nafarieh and Jacek Ilow, "A Testbed for Localizing Wireless LAN Devices Using Received Signal Strength," in Communication Networks and Services Research Conference, Halifax, NS, 2008, pp [8] Shih-Hau Fang and Tsung Nan-Lin, "Robust Wireless LAN Location Fingerprinting by SVD- Based Noise Reduction," in Communications, Control and Signal Processing, Malta, 2008, pp.
6 [9] Jun Ma, Xuansong Li, Xianping Tao, and Jian Lu, "Cluster Filtered KNN: A WLAN-Based Indoor Positioning Scheme," in International Symposium on a World of Wireless, Mobile and Multimedia Networks, Newport Beach, CA, 2008, pp [10] Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques, 2nd ed. San Fransisco, USA: Elsevier, [11] Shaoshuai LIU, Haiyong LUO, and Shihong ZOU, "A Low-Cost and Accurate Indoor Localization Algorithm Using Label Propagation Based Semi-Supervised Learning," in Fifth International Conference on Mobile Ad-hoc and Sensor Networks, Fujian, 2009, pp
VISUALISASI PETA RSS FINGERPRINT DALAM FASE OFFLINE PADA LOCALIZATION DI LANTAI 3 GEDUNG TEKNIK ELEKTRO UGM MENGGUNAKAN WLAN
VISUALISASI PETA RSS FINGERPRINT DALAM FASE OFFLINE PADA LOCALIZATION DI LANTAI 3 GEDUNG TEKNIK ELEKTRO UGM MENGGUNAKAN WLAN 1 Chairani, 2 Widyawan 1 Teknik Informatika, Informatics & Business Institute
Lebih terperinciTEKNIK PERHITUNGAN NILAI RSS IEEE N UNTUK PENENTUAN LOKASI OBJEK MENGGUNAKAN METODE K-NN
TEKNIK PERHITUNGAN NILAI RSS IEEE 802.11N UNTUK PENENTUAN LOKASI OBJEK MENGGUNAKAN METODE K-NN Taman Ginting Dosen Politeknik Pratama Mulia Surakarta ABSTRAK Wireless LAN technology has become in public
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pada era sekarang ini kebutuhan informasi bergeser kedudukannya, yang semula merupakan kebutuhan sekunder atau tersier saat ini berubah kedudukannya sebagai kebutuhan
Lebih terperinciSistem Pendeteksi Posisi dalam Ruangan Menggunakan Kekuatan Sinyal Wi-Fi dengan Penerapan Algoritma Cluster Filtered KNN
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Sistem Pendeteksi Posisi dalam Ruangan Menggunakan Kekuatan Sinyal Wi-Fi dengan Penerapan Algoritma Cluster Filtered KNN Rizky
Lebih terperinciImplementasi Indoor Positioning System Berbasis Smartphone dengan Penambahan Access Point untuk Studi Kasus Gedung Teknik Informatika ITS
A336 Implementasi Indoor Positioning System Berbasis Smartphone dengan Penambahan Access Point untuk Studi Kasus Gedung Teknik Informatika ITS Fananda Herda Perdana, R.V. Hari Ginardi, dan F.X. Arunanto
Lebih terperinciPENGKAJIAN KUALITAS SINYAL DAN POSISI WIFI ACCESS POINT DENGAN METODE RSSI DI GEDUNG KPA POLITEKNIK NEGERI SRIWIJAYA
PENGKAJIAN KUALITAS SINYAL DAN POSISI WIFI ACCESS POINT DENGAN METODE RSSI DI GEDUNG KPA POLITEKNIK NEGERI SRIWIJAYA Aishah Garnis 1, Suroso 1, Sopian Soim 1 1 Jurusan Teknik Elektro PS Teknik Telekomunikasi,
Lebih terperinciPENENTUAN LOKASI OBJEK INDOOR DENGAN KEKUATAN SINYAL YANG DITERIMA OLEH WIRELES LAN ABSTRACT
PENENTUAN LOKASI OBJEK INDOOR DENGAN KEKUATAN SINYAL YANG DITERIMA OLEH WIRELES LAN 1) Taman Ginting, ) Didik Warasto 1) Jursan Teknik Komputer Politeknik Pratama Mulia Surakarta ) Jurusan Manajemen Informatika
Lebih terperinciIndoor Positioning Menggunakan Wireless LAN
Indoor Positioning Menggunakan Wireless LAN Rendy Budi Mulia +628-578-031-369-9 rendy_bm_1990@yahoo.com Salah satu keterbatasan dalam global positioning system saat ini yaitu perlunya koneksi satelit,
Lebih terperinciBAB I PENDAHULUAN. berpindah-pindah tempat saat melakukan aktivitas sehari-hari. Tidak jarang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan dan tuntutan jaman, mobilitas manusia akan terus bertambah dan semakin kompleks. Hal ini menyebabkan seseorang harus berpindah-pindah tempat
Lebih terperinciBAB I PENDAHULUAN 1. 1 Latar Belakang
BAB I PENDAHULUAN 1. 1 Latar Belakang Kemajuan teknologi memberikan banyak kemudahan bagi penggunanya. Pengguna smartphone umumnya memiliki aplikasi untuk kebutuhan navigasi dengan maksud dan tujuan tertentu.
Lebih terperinciRizky Ichsan Parama Putra Dosen Pembimbing: Waskitho Wibisono, S.Kom., M.Eng., Ph.D. Hudan Studiawan, S.Kom, M.Kom
Rancang Bangun Sistem Pendeteksi Posisi dalam Ruangan Menggunakan Kekuatan Sinyal Wi-Fi dengan Penerapan Algoritma Cluster Filtered KNN Rizky Ichsan Parama Putra 5109100026 Dosen Pembimbing: Waskitho Wibisono,
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-534
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-534 Rancang Bangun Sistem Navigasi Indoor Berbasis Integrasi Symbolik Location Model dan Wifi Based Positioning System Untuk
Lebih terperinciPerbandingan Penerapan Model Propagasi Free Space Pathloss Dan Log Distance Pathloss Pada Indoor Wifi Positioning System Untuk Smartphone Android
Jurnal Teknik Elektro dan Komputer, Vol. 2, No.2, Oktober 2014, 189-196 189 Perbandingan Penerapan Model Propagasi Free Space Pathloss Dan Log Distance Pathloss Pada Indoor Wifi Positioning System Untuk
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menentukan posisi seseorang dalam konteks outdoor dapat dengan mudah dilakukan menggunakan Global Positioning System (GPS). Namun, belum ada metode standar tertentu
Lebih terperinciImplementasi Indoor Localization Menggunakan Sinyal Wi-Fi dan Decision Tree untuk Pelacakan Keberadaan Seseorang di Kampus Teknik Informatika ITS
Implementasi Indoor Localization Menggunakan Sinyal Wi-Fi dan Decision Tree untuk Pelacakan Keberadaan Seseorang di Kampus Teknik Informatika ITS Nurul Yuni Arrifa 5110100193 Dosen Pembimbing : Dr. Ir.
Lebih terperinciSISTEM PENENTUAN POSISI DI DALAM RUANGAN DENGAN METODE FINGERPRINT (KNN) BERBASIS KUAT SINYAL WLAN
STMIK AMIKOM Yogyakarta, 6-8 Februari 205 SISTEM PENENTUAN POSISI DI DALAM RUANGAN DENGAN METODE FINGERPRINT (KNN BERBASIS KUAT SINYAL WLAN Eko Suripto Pasinggi, Selo Sulistyo2, Bimo Sunarfri Hantono3
Lebih terperinciPENGEMBANGAN INDOOR LOCATION BASED SERVICE MENGGUNAKAN WIRELESS POSITIONING PADA ANDROID
TESIS PENGEMBANGAN INDOOR LOCATION BASED SERVICE MENGGUNAKAN WIRELESS POSITIONING PADA ANDROID DWIJAYANTO GUSTI PARRANGAN 11 53 01692 / PS / MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCASARJANA
Lebih terperinciImplementasi Metode Klasifikasi Fuzzy K-Nearest Neighbor (FK-NN) Untuk Fingerprint Access Point Pada Indoor Positioning
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1195-1205 http://j-ptiik.ub.ac.id Implementasi Metode Klasifikasi Fuzzy K-Nearest Neighbor
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
JURNAL TEKNIK ITS Vol. 5, No., (016) ISSN: 337-3539 (301-971 Print) A36 Perancangan Indoor Localization Menggunakan Bluetooth Untuk Pelacakan Posisi Benda di Dalam Ruangan Anggeriko Aryasena, R.V. Hari
Lebih terperinciPOSITIONING DENGAN ibeacon
POSITIONING DENGAN ibeacon Yusuf Eko Rohmadi1, Widyawan2, Warsun Najib3 1, 2,3 Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada Yogyakarta Jl Grafika No.2, Yogyakarta 55281 Email
Lebih terperinciPENGARUH JARAK DAN OBSTACLE PADA RSSI JARINGAN ZIGBEE ( ) Reza Febrialdy Yuwono 1, Novian Anggis S. 2
PENGARUH JARAK DAN OBSTACLE PADA JARINGAN ZIGBEE (802.15.4) Reza Febrialdy Yuwono 1, Novian Anggis S. 2 1,2 Prodi S1 Teknik Informatika, Fakultas Teknik, Universitas Telkom 1 rezafebrialdy@gmail.com, 2
Lebih terperinciANALISIS DAN SIMULASI MOBILE TRACKING PADA SISTEM KOMUNIKASI SELULAR (SISKOMSEL) MENGGUNAKAN LOCATION BASED SERVICE (LBS)
ANALISIS DAN SIMULASI MOBILE TRACKING PADA SISTEM KOMUNIKASI SELULAR (SISKOMSEL) MENGGUNAKAN LOCATION BASED SERVICE (LBS) Ikhwan Cahyadi¹, Uke Kurniawan Usman², Arif Rudiana³ ¹Teknik Telekomunikasi,, Universitas
Lebih terperinciAplikasi Indoor Positioning System Menggunakan Android dan Wireless Local Area Network Dengan Metode Fuzzy Logic Indoor Positioning System
Aplikasi Indoor Positioning System Menggunakan Android dan Wireless Local Area Network Dengan Metode Fuzzy Logic Indoor Positioning System Dennis Yuputra Permana 1, Andreas Handojo 2, Justinus Andjarwirawan
Lebih terperinciPengantar Wireless LAN. Olivia Kembuan, S.Kom, M.Eng PTIK UNIMA
Pengantar Wireless LAN Olivia Kembuan, S.Kom, M.Eng PTIK UNIMA Apa itu Jaringan Wireless? Review Tipe-tipe jaringan berdasarkan media penghantar signal Wireless non wired = frekuensi radio ~ udara Jaringan
Lebih terperinciP E N D A H U L U A N Latar Belakang
KLASIFIKASI KEKERAPAN KUNJUNGAN LOKASI BERBASIS LOCATION BASED SERVICE (LBS) MENGGUNAKAN SELF-ORGANIZING MAP (SOM) Oleh : Dhanang Fitra Riaji (NRP : 2208205737) PROGRAM MAGISTER JURUSAN TEKNIK INDUSTRI
Lebih terperinciKINERJA LEACH PROTOCOL PADA WSN YANG BEKERJA DI LINGKUNGAN DENGAN TEMPERATUR YANG TINGGI
KINERJA LEACH PROTOCOL PADA WSN YANG BEKERJA DI LINGKUNGAN DENGAN TEMPERATUR YANG TINGGI Abdi Wahab 1, Mudrik Alaydrus 2 Program Studi Magister Teknik Elektro, Fakultas Pascasarjana, Universitas Mercu
Lebih terperinciMACHINE LEARNING UNTUK LOCALIZATION BERBASIS RSS MENGGUNAKAN CELL-ID GLOBAL SYSTEM FOR MOBILE COMMUNICATION (GSM) Abstrak
MACHINE LEARNING UNTUK LOCALIZATION BERBASIS RSS MENGGUNAKAN CELL-ID GLOBAL SYSTEM FOR MOBILE COMMUNICATION (GSM) Taman Ginting, Yusuf Eko Rohmadi Politeknik Pratama Mulia Surakarta ginting79@gmail.com
Lebih terperinciMetode Deret Untuk Pergerakan Objek Berbasis Teknologi ibeacon
POLITEKNOSAINS, Vol. XVI, No 1, Maret 2017 67 Metode Deret Untuk Pergerakan Objek Berbasis Teknologi ibeacon Yusuf Eko Rohmadi 1, Taman Ginting 2 1&2 Politeknik Pratama Mulia Surakarta 1 yusufer@gmail.com
Lebih terperinciEstimasi Posisi Objek dalam Gedung Berdasarkan GSM Fingerprint
JNTETI, Vol 1, No 3, November 2012 27 Estimasi Posisi Objek dalam Gedung Berdasarkan GSM Fingerprint Hani Rubiani 1, Widyawan 2, Lukito Edi Nugroho 3 Abstract Most research of indoor localization is based
Lebih terperinciPOSITIONING DENGAN TEKNOLOGI BLUETOOTH MENGUNAKAN NAÏVE BAYES ALGORITMA
POSITIONING DENGAN TEKNOLOGI BLUETOOTH MENGUNAKAN NAÏVE BAYES ALGORITMA Yusuf Eko Rohmadi 1, Taman Ginting 2, Didik Warasto 3, 1,2 Teknik Komputer, 3 Manajemen Informatika, Politeknik Pratama Mulia Surakarta
Lebih terperinciSISTEM PENCATATAN PENGGUNAAN AIR BERBASIS WEMOS D1 MINI MELALUI PONSEL PINTAR ANDROID DENGAN KONEKSI WIFI
SISTEM PENCATATAN PENGGUNAAN AIR BERBASIS WEMOS D1 MINI MELALUI PONSEL PINTAR ANDROID DENGAN KONEKSI WIFI Kemal Hafidzar NRP : 1122031 Email : kemalhafidzar@gmail.com ABSTRAK Saat ini pencatatan penggunaan
Lebih terperinciSoftware Wireless Tool InSSIDer untuk Monitoring Sinyal Wireless
Software Wireless Tool InSSIDer untuk Monitoring Sinyal Wireless Mega Elinda A. lynda.loverscake@gmail.com http://nunalinda.blogspot.com Lisensi Dokumen: Copyright 2003-2007 IlmuKomputer.Com Seluruh dokumen
Lebih terperinciIndoor Positioning System dengan Algoritma K-Means dan KNN
Indoor Positioning System dengan Algoritma K-Means dan KNN Hizkia Juan Suryanto #1, Antonius R. Chrismanto #2, Yuan Lukito #3 # Program Studi Teknik Informatika, Universitas Kristen Duta Wacana Jl. Dr.
Lebih terperinciANALISIS RSSI (RECEIVE SIGNAL STRENGTH INDICATOR) TERHADAP KETINGGIAN PERANGKAT WI-FI DI LINGKUNGAN INDOOR
ANALISIS RSSI (RECEIVE SIGNAL STRENGTH INDICATOR) TERHADAP KETINGGIAN PERANGKAT WI-FI DI LINGKUNGAN INDOOR Nila Feby Puspitasari STMIK AMIKOM Yogyakarta nilafeby@amikom.ac.id Abstraksi Menempatkan perangkat
Lebih terperinciModel Multi Layer Perceptron untuk Indoor Positioning System Berbasis Wi-Fi
Tersedia di http://jtsiskom.undip.ac.id (31 Juli 2017) DOI: 10.14710/jtsiskom.5.3.2017.123-128 Jurnal Teknologi dan Sistem Komputer, 5(3), 2017, 123-128 Model Multi Layer Perceptron untuk Indoor Positioning
Lebih terperinciJl. Raya Dukuhwaluh Purwokerto )
Sistem Klasterisasi Menggunakan Metode K-Means dalam Menentukan Posisi Access Point Berdasarkan Posisi Hotspot di Universitas Muhammadiyah Purwokerto (Clustering System Using K-Means Method in Determining
Lebih terperinciImplementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik
Implementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik Hendawan Soebhakti, Rifqi Amalya Fatekha Program Studi Teknik Mekatronika, Jurusan Teknik Elektro Politeknik Negeri Batam Email : hendawan@polibatam.ac.id
Lebih terperinciKomunikasi dan Jaringan
Komunikasi dan Jaringan Kartika Firdausy - UAD kartika@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: 1. menyebutkan perangkat pengirim dan penerima dalam
Lebih terperinciAbidah Elcholiqi, Beta Noranita, Indra Waspada
Abidah Elcholiqi, Beta Noranita, Indra Waspada PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah
Lebih terperinciPengingat Agenda Berdasarkan Konteks Lokasi Menggunakan GPS dengan Algoritma k-nearest Neighbor pada Perangkat Bergerak
Pengingat Agenda Berdasarkan Konteks Lokasi Menggunakan GPS dengan Algoritma k-nearest Neighbor pada Perangkat Bergerak IVAN AHMED GIOVANNI NRP 5109100042 Dosen Pembimbing I Ary Mazharuddin S., S.Kom.,
Lebih terperinciProsiding SENATEK 2015 Fakultas Teknik, Universitas Muhammadiyah Purwokerto Purwokerto, 28 November 2015, ISBN
SISTEM KLASTERISASI MENGGUNAKAN METODE K-MEANS DALAM MENENTUKAN POSISI ACCESS POINT BERDASARKAN POSISI PENGGUNA HOTSPOT DI UNIVERSITAS MUHAMMADIYAH PURWOKERTO Achmad Fauzan*, Abid Yanuar Badharudin, Feri
Lebih terperinciPENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU
PENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU Aradea, Satriyo A., Ariyan Z., Yuliana A. Teknik Informatika Universitas Siliwangi Tasikmalaya Ilmu Komputer Universitas Diponegoro
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciIndoor Positioning System dengan Algoritma K-Means dan KNN
Jurnal Teknik Informatika dan Sistem Informasi e-issn : 2443-2229 Volume 2 Nomor 3 Desember 2016 Indoor Positioning System dengan Algoritma K-Means dan KNN Hizkia Juan Suryanto #1, Antonius Rachmat C.
Lebih terperinciApa itu is K-Nearest Neighbor (KNN) Algorithm?
K-Nearest Neighbor Pendahuluan K-Nearest Neighbour atau KNN adalah salah dari algoritma instance based learning atau case-based reasoning. Definisi case based reasoning: KNN digunakan dalam banyak aplikasi
Lebih terperinciOPTIMALISASI PERENCANAAN KONFIGURASI WIRELESS LAN DENGAN METODE DRIVE TEST (Studi kasus : Kantor Wireless Broadband Telkom Malang)
OPTIMALISASI PERENCANAAN KONFIGURASI WIRELESS LAN DENGAN METODE DRIVE TEST (Studi kasus : Kantor Wireless Broadband Telkom Malang) Citra Kurniawan, ST., MM 1 Program Studi Teknik Elektronika Sekolah Tinggi
Lebih terperinciOPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA Optimization Techniques Modi ed k Nearest Neighbor Classi cation Using Genetic Algorithm Siti Mutro n 1, Abidatul
Lebih terperinciIka Nur Khana
Easy Capturing Network With inssider Monitoring Ika Nur Khana Ikanur.khana@yahoo.co.id http://mine-ink.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
Lebih terperinciJARINGAN WIRELESS. Jurusan T-informatika STT-Harapan Medan T.A 2016/2017 Oleh : Tengku Mohd Diansyah, ST, M.Kom 30/05/2017 1
JARINGAN WIRELESS Jurusan T-informatika STT-Harapan Medan T.A 2016/2017 Oleh : Tengku Mohd Diansyah, ST, M.Kom 30/05/2017 1 Introduction Enable people to communicate and access applications and information
Lebih terperinciPREDIKSI LOKASI LAPTOP DALAM GEDUNG C LANTAI DASAR MENGGUNAKAN RSS DAN ALGORITMA NAÏVE BAYES. oleh. Samuel Yanuar Rusli NIM :
PREDIKSI LOKASI LAPTOP DALAM GEDUNG C LANTAI DASAR MENGGUNAKAN RSS DAN ALGORITMA NAÏVE BAYES oleh Samuel Yanuar Rusli NIM : 622010006 Skripsi Untuk melengkapi salah satu syarat memperoleh Gelar Sarjana
Lebih terperinciBAB III. IMPLEMENTASI WiFi OVER PICOCELL
21 BAB III IMPLEMENTASI WiFi OVER PICOCELL 3. 1 Sejarah Singkat Wireless Fidelity Wireless fidelity (Wi-Fi) merupakan teknologi jaringan wireless yang sedang berkembang pesat dengan menggunakan standar
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. access point. Kedua, penelitian yang dilakukan oleh Grossmann, Schauch, dan
BAB 2 TINJAUAN PUSTAKA 2.1. Tinjauan Pustaka Penelitian ini dilakukan dengan mengacu dan berpedoman pada 3 penelitian yang sudah pernah dibuat sebelumnya. Pertama, penelitian yang dilakukan oleh Z aruba,
Lebih terperinciAnalisis Kinerja Struktur Data Kd-Tree Pada Metode K-Nearest Neighbors
Riau Journal of Computer Science Vol.2 No.2 Tahun 2016 : 1-6 1 Analisis Kinerja Struktur Data Kd-Tree Pada Metode K-Nearest Neighbors Yuan Lukito Program Studi Teknik Informatika, Fakultas Teknologi Informasi
Lebih terperinciSistem Navigasi Indoor Menggunakan Sinyal Wi-fi dan Kompas Digital Berbasis Integrasi dengan Smartphone untuk Studi Kasus pada Gedung Bertingkat
Sistem Navigasi Indoor Menggunakan Sinyal Wi-fi dan Kompas Digital Berbasis Integrasi dengan Smartphone untuk Studi Kasus pada Gedung Bertingkat A448 Alifa Ridho Musthafa, R.V. Hari Ginardi, dan F.X. Arunanto
Lebih terperinciWifi Positioning System (WPS) Menggunakan Algoritma Neural Network Backpropagation di Area Kampus Politeknik Caltex Riau
130 Jurnal Teknik Elektro dan Komputer, Vol.I, No. 2, Oktober2013, 130-141 Wifi Positioning System (WPS) Menggunakan Algoritma Neural Network Backpropagation di Area Kampus Politeknik Caltex Riau Mochamad
Lebih terperinciPROCEEDINGS OF CONFERENCE ON INFORMATION TECHNOLOGY AND ELECTRICAL ENGINEERING SESI INDONESIA
CITEE 2012 ISSN: 2085-6350 PROCEEDINGS OF CONFERENCE ON INFORMATION TECHNOLOGY AND ELECTRICAL ENGINEERING Yogyakarta, 12 July 2012 SESI INDONESIA DEPARTMENT OF ELECTRICAL ENGINEERING AND INFORMATION TECHNOLOGY
Lebih terperinciDesain Penempatan Antena Wi-Fi 2,4 Ghz di Hall Gedung Baru PENS-ITS dengan Menggunakan Sistem D-MIMO
Desain Penempatan Antena Wi-Fi 2,4 Ghz di Hall Gedung Baru PENS-ITS dengan Menggunakan Sistem D-MIMO Siherly Ardianta 1, Tri Budi Santoso 2, Okkie Puspitorini 2 1 Politeknik Elektronika Negeri Surabaya,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan pesatnya perkembangan teknologi saat ini, penggunaan smartphone akhir-akhir ini meningkat pesat. Menurut hasil penelitian Nielsen di sembilan kota
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan teknologi komunikasi dan informasi saat ini sangat signifikan seiring dengan meningkatnya kebutuhan pengguna layanan sistem informasi
Lebih terperinciTEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD
Jurnal Teknik Komputer Unikom Komputika Volume 3, No.2-2014 TEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD Selvia Lorena Br Ginting 1), Wendi Zarman
Lebih terperinciPENERAPAN ALGORITMA K-NEAREST NEIGHBORS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA STMIK SINAR NUSANTARA SURAKARTA
ISSN : 2338-4018 PENERAPAN ALGORITMA K-NEAREST NEIGHBORS UNTUK KELULUSAN MAHASISWA PADA STMIK SINAR NUSANTARA SURAKARTA Agus Panoto ( ragilpanoto@gmail.com ) Yustina Retno Wahyu Utami ( yustina.retno@gmail.com
Lebih terperinciBAB III PERANCANGAN 3.1 Gambaran Sistem
BAB III PERANCANGAN Setelah mendapatkan teori-teori dasar sebagai acuan dalam perancangan, pada bab III menjelaskan sistem yang dibangun secara keseluruhan pada penelitian. 3.1 Gambaran Sistem Rancangan
Lebih terperinciWIRELESS NETWORK. Pertemuan VI. Pengertian Wireless Network. Klasifikasi Wireless Network
WIRELESS NETWORK Pertemuan VI Ada tiga range frekuensi umum dalam transmisi wireless, yaitu : a. Frekuensi microwave dengan range 2 40 Ghz, cocok untuk transmisi point-to-point. Microwave juga digunakan
Lebih terperinciSISTEM NIRKABEL TERDISTRIBUSI UNTUK MENINGKATKAN KUAT SINYAL WIFI PADA JARINGAN SENSOR NIRKABEL
SISTEM NIRKABEL TERDISTRIBUSI UNTUK MENINGKATKAN KUAT SINYAL WIFI PADA JARINGAN SENSOR NIRKABEL Cipto Prabowo,MT 1), Zurnawita, MT 2) 1) Teknik Komputer, Jurusan Teknologi Informasi Politeknik Negeri Padang,
Lebih terperinciBAB I PENDAHULUAN. Di era globalisasi ini, inovasi teknologi yang terus berkembang khususnya
BAB I PENDAHULUAN 1.1 Latar Belakang Di era globalisasi ini, inovasi teknologi yang terus berkembang khususnya pada bidang navigasi memberikan dampak yang positif bagi kehidupan manusia. Munculnya teknologi
Lebih terperinciJurnal Komputer Terapan Vol. 3, No. 2, November 2017, Jurnal Politeknik Caltex Riau
Jurnal Komputer Terapan Vol. 3, No. 2, November 2017, 233-240 233 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Prediksi Ketepatan Waktu Lulus Mahasiswa dengan k- Nearest Neighbor dan Naïve Bayes
Lebih terperinciKomunikasi dan Jaringan
Komunikasi dan Jaringan Kartika Firdausy - UAD Komunikasi Proses transfer data / instruksi / informasi antara dua atau lebih komputer atau perangkat lain Komunikasi komputer (computer communications) 1
Lebih terperinciRancang Bangun Sistem Pengukuran Posisi Target dengan Kamera Stereo untuk Pengarah Senjata Otomatis
A216 Rancang Bangun Sistem Pengukuran Posisi Target dengan Kamera Stereo untuk Pengarah Senjata Otomatis Anas Maulidi Utama, Djoko Purwanto, dan Ronny Mardiyanto Jurusan Teknik Elektro, Fakultas Teknologi
Lebih terperinciJurnal Politeknik Caltex Riau
1 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id IMPLEMENTASI TEXT MINING DALAM KLASIFIKASI JUDUL BUKU PERPUSTAKAAN MENGGUNAKAN METODE NAIVE BAYES Siti Amelia Apriyanti 1), Kartina Diah Kesuma Wardhani
Lebih terperinciK-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia
K-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia Okta Riveranda 1), Warnia Nengsih, S.Kom., M.Kom. 2) 1) Program Studi Sistem Informasi, Politeknik Caltex Riau, Pekanbaru 28265, email: okta12si@mahasiswa.pcr.ac.id
Lebih terperinciBAB II DASAR TEORI. Remote Inframerah
BAB II DASAR TEORI Bab ini berisi dasar teori yang digunakan dalam perancangan skripsi ini. Dasar teori tersebut berisi tentang mikrokontroler sebagai pembangkit frekuensi yang digunakan untuk media transmisi
Lebih terperinciSEKILAS WIRELESS LAN
WIRELESS NETWORK SEKILAS WIRELESS LAN Sejarah kemunculan WLAN dimulai pada tahun 1997, sebuah lembaga independen bernama IEEE membuat spesifikasi/standar WLAN yang pertama diberi kode 802.11. Peralatan
Lebih terperinciAPLIKASI SALES REPORT UNTUK KLASIFIKASI AREA PENJUALAN MENGGUNAKAN K-NEAREST NEIGHBOR DAN NAIVE BAYES BERBASIS ANDROID
APLIKASI SALES REPORT UNTUK KLASIFIKASI AREA PENJUALAN MENGGUNAKAN K-NEAREST NEIGHBOR DAN NAIVE BAYES BERBASIS ANDROID Budi Dwi Satoto 1, Achmad Yasid 2 1 Program Studi Manajemen Informatika, Fakultas
Lebih terperinciPengingat Agenda Berdasarkan Konteks Lokasi Menggunakan GPS dengan Algoritma k-nearest Neighbor pada Perangkat Bergerak
JURNAL TEKNIK POMITS Vol., No. 1, (013 ISSN: 337-3539 (301-971 Print 1 Pengingat Agenda Berdasarkan Konteks Lokasi Menggunakan GPS dengan Algoritma k-nearest Neighbor pada Perangkat Bergerak Ivan Ahmed
Lebih terperinciBAB 3 ANALISIS. Pada penelitian ini akan dilakukan simulasi sistem pelacakan (tracking) dengan
BAB 3 ANALISIS 3.1 Pendahuluan Pada penelitian ini akan dilakukan simulasi sistem pelacakan (tracking) dengan menggunakan teknologi Mobile Ad Hoc Network. Simulasi akan dilakukan berdasarkan beberapa skenario
Lebih terperinciTeknologi Komunikasi Data Jaringan Nirkabel. Adri Priadana - ilkomadri.com
Teknologi Komunikasi Data Jaringan Nirkabel - ilkomadri.com PENDAHULUAN Jaringan wireless/nirkabel adalah teknologi jaringan yang memanfaatkan gelombang elektromagnetik melalui udara sebagai media untuk
Lebih terperinciWireless Network. Konsep Dasar Jaringan Nirkabel. Muhammad Riza Hilmi, ST.
Wireless Network Konsep Dasar Jaringan Nirkabel Muhammad Riza Hilmi, ST. saya@rizahilmi.com http://www.rizahilmi.com Mengapa Perlu WLAN? Instalasi pemasangan lebih mudah Efisiensi biaya dan waktu Kemudahan
Lebih terperinciMemonitoring Jaringan dengan InSSIDer dan Netsurveyor
Memonitoring Jaringan dengan InSSIDer dan Netsurveyor Ardiansyah Yuli Saputro ardiansyah.putra99@gmail.com http://sharinginpoh.blogspot.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan,
Lebih terperinciPengujian Polarisasi Linier Terhadap Kualitas SNR Pada Sistem Komunikasi Nirkabel IEEE g
132 Jurnal Rekayasa Elektrika Vol. 9, No. 2, April 2011 Pengujian Polarisasi Linier Terhadap Kualitas Pada Sistem Komunikasi Nirkabel IEEE 802.11g Rizal Munadi, Arrad Iskandar dan Roslidar Jurusan Teknik
Lebih terperinciINDOOR POSITIONING WIFI DI SMARTPHONE ANDROID ABSTRACT
JURNAL TEKNIK VOL. 5 NO. 2 OKTOBER 2015 INDOOR POSITIONING WIFI DI SMARTPHONE ANDROID Ryan Ari Setyawa Staf Pengajar Jurusan Teknik Informatika, Fakultas Teknik, Universitas Janabadra Jalan Tentara Rakyat
Lebih terperinciINDOOR POSITIONING WIFI DI SMARTPHONE ANDROID
JURNAL TEKNIK VOL. 5 NO. 2 /OKTOBER 2015 INDOOR POSITIONING WIFI DI SMARTPHONE ANDROID Staf Pengajar Jurusan Teknik Informatika, Fakultas Teknik, Universitas Janabadra Jalan Tentara Rakyat Mataram 55-57
Lebih terperinciDeteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice
Jurnal Teknik Elektro dan Komputer, Vol.I, No.2, Oktober 21, 125-129 125 Deteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice Luqman Hakim Program Studi Teknik Mekatronika,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciFundamental Teknik Lokalisasi pada Jaringan Sensor Nirkabel
Fundamental Teknik Lokalisasi pada Jaringan Sensor Nirkabel Oleh: Prima Kristalina Politeknik Elektronika Negeri Surabaya (PENS) Oktober 2013 Dasar Jaringan Sensor Nirkabel (JSN) Jaringan sensor nirkabel
Lebih terperinciANALISA PERBANDINGAN PROPAGASI LOS DAN NLOS DALAM RUANG PADA JARINGAN WI-FI
ANALISA PERBANDINGAN PROPAGASI DAN DALAM RUANG PADA JARINGAN WI-FI Joneva Mangku Wibowo, Hani ah Mahmudah, ST,MT, Ari Wijayanti, ST, MT Jurusan Teknik Telekomunkasi - Politeknik Elektronika Negeri Surabaya
Lebih terperinciAnalisis Performansi Mobile Ad- Hoc Network Pada Perangkat Android Untuk Membangun Sistem Komunikasi Pada Kondisi Bencana Alam
Analisis Performansi Mobile Ad- Hoc Network Pada Perangkat Android Untuk Membangun Sistem Komunikasi Pada Kondisi Bencana Alam Oleh : Della Aulia Arifin 2211127 Dosen Pembimbing 1 : Dr. Ir. Achmad Affandi,
Lebih terperinciMonitoring Jaringan Menggunakan Wireless Mon
Monitoring Jaringan Menggunakan Wireless Mon Yama Fresdian Dwi Saputro fds.yama@gmail.com Lisensi Dokumen: Copyright 2003-2015 IlmuKomputer.Com Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi
Lebih terperinciDeteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor
Deteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor Regha Julian Pradhana 1,*, Bambang Hidayat 1, Ratri Dwi Atmaja 1 1 Fakultas Teknik Elektro, Universitas
Lebih terperinciMONITORING DAN ANALISIS QOS (QUALITY OF SERVICE) JARINGAN INTERNET PADA GEDUNG KPA POLITEKNIK NEGERI SRIWIJAYA DENGAN METODE DRIVE TEST
MONITORING DAN ANALISIS QOS (QUALITY OF SERVICE) JARINGAN INTERNET PADA GEDUNG KPA POLITEKNIK NEGERI SRIWIJAYA DENGAN METODE DRIVE TEST Pipit Wulandari 1*, Sopian Soim 1, Mujur Rose 1 1 Program Studi Teknik
Lebih terperinciLEARNING. Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan Buatan)
LEARNING Jiawei Han and Micheline Kamber. 2006. Data Mining Concepts and Techniques. San Fransisco : Elsevier M.Tim Jones. Artificial Intelligence A System Approach. Slide Kuliah Data Mining - Klasifikasi,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Kemacetan Kemacetan adalah situasi atau keadaan terhentinya arus lalu lintas yang disebabkan oleh banyaknya jumlah kendaraan melebihi kapasitas jalan. Kemacetan banyak terjadi
Lebih terperinciDETEKSI ARAH KEDATANGAN SINYAL PADA ANTENA ARRAY KUBUS DENGAN MENGGUNAKAN ALGORITMA MUSIC
ETEKSI ARA KEATANGAN SINYAL PAA ANTENA ARRAY KUUS ENGAN MENGGUNAKAN ALGORITMA MUSIC Muhammad Syahroni Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jln..Aceh Medan Km.280 uketrata 24301 INONESIA
Lebih terperinciTEKNIK POSITIONING PADA BLUETOOTH
TEKNIK POSITIONING PADA BLUETOOTH Yusuf Eko Rohmadi 1), Widyawan 2), Warsun Najib 3) 1), 2),3) Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada Yogyakarta Jl Grafika No.2, Yogyakarta
Lebih terperinciRizki Dian Rahayani Pembimbing : Eko Setijadi, ST, MT,Ph.D Pembimbing : DR. Achmad Affandi, DEA
Rizki Dian Rahayani 2209206812 Pembimbing : Eko Setijadi, ST, MT,Ph.D Pembimbing : DR. Achmad Affandi, DEA Pendahuluan Metodologi Hasil dan Pembahasan Kesimpulan UMTS WiFi WiFi Ethernet Ethernet WiFi
Lebih terperinciTJ TUGAS AKHIR I - 3 SKS
Departemen Teknik Kompuiter FTE Institut Teknologi Sepuluh Nopember TJ141501 TUGAS AKHIR I - 3 SKS Nama Mahasiswa : Farhan Kamil Nomor Pokok : 2913 100 029 Bidang Studi : Telematika Semester : Ganjil 2016
Lebih terperinciBAB III PERENCANAAN KEBUTUHAN DAN PERANCANGAN
BAB III PERENCANAAN KEBUTUHAN DAN PERANCANGAN 3.1 Perencanaan Kebutuhan Telepon seluler merupakan salah satu sarana penunjang yang mendukung setiap orang beraktivitas setiap hari. Karena itu, tentunya
Lebih terperinciDesain Penempatan Antena Wi-Fi 2,4 Ghz di Hall Gedung Baru PENS-ITS dengan Menggunakan Sistem C-MIMO
Desain Penempatan Antena Wi-Fi 2,4 Ghz di Hall Gedung Baru PENS-ITS dengan Menggunakan Sistem C-MIMO Nurista Wahyu Kirana 1, Tri Budi Santoso 2, Okkie Puspitorini 2 1 Politeknik Elektronika Negeri Surabaya,
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciMonitoring Sinyal WLAN Menggunakan Xirrus Wi-Fi Inspector
Monitoring Sinyal WLAN Menggunakan Xirrus Wi-Fi Inspector Arsyan Andregate arsyanzone.178@gmail.com http://andregatemedia.blogspot.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan,
Lebih terperinciInSSIDer. Noviatur Rohmah Penegretian SSID dan inssider. Lisensi Dokumen:
InSSIDer Noviatur Rohmah Noviatur_r@yahoo.com http://noviaturrohmah.blogspot.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan
Lebih terperinci