Implementasi Metode Klasifikasi Fuzzy K-Nearest Neighbor (FK-NN) Untuk Fingerprint Access Point Pada Indoor Positioning
|
|
- Hartanti Farida Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 1, No. 11, November 2017, hlm Implementasi Metode Klasifikasi Fuzzy K-Nearest Neighbor (FK-NN) Untuk Fingerprint Access Point Pada Indoor Positioning Baiq Findiarin Billyan 1, Adhitya Bhawiyuga 2, Rakhmadhany Primananda 3 Program Studi Teknik Informatika, 1 fbillyan@gmail.com, 2 bhawiyuga@ub.ac.id, 3 rakhmadhany@ub.ac.id Abstrak Positioning adalah sebuah teknik yang digunakan untuk menentukan posisi suatu objek. Dalam positioning terdapat dua jenis teknik yaitu outdoor positioning dan indoor positioning. Contoh sistem outdoor positioning yaitu Global Positioning System (GPS). GPS merupakan sistem untuk mengetahui posisi dan penunjuk arah untuk perpindahan posisi objek melalui sinyal dari satelit. GPS memberikan perkiraan posisi yang baik dalam lingkungan outdoor, tetapi sinyalnya sangat lemah pada lingkungan indoor. Berdasarkan hal tersebut berkembang teknologi yang berfungsi untuk mengetahui posisi objek di indoor yang disebut dengan Indoor Positioning. Pada penelitian ini penulis mengimplementasikan Indoor Positioning dengan metode Fingerprint (metode pengenalan pola kekuatan sinyal) menggunakan pengukuran kekuatan sinyal (Received Signal Strength/RSS), yaitu dengan melihat pola kekuatan sinyal access point yang datang ke penerima dari setiap ruangan. Hal pertama yang dilakukan oleh peneliti adalah mengumpukan data training sebagai dasar klasifikasi, kemudian diberikan label. Setelah itu membuat classifier berdasarkan data training dan peneliti mengukur ulang sebagai data testing untuk menguji akurasinya dengan metode klasifikasi Fuzzy K-Nearest Neighbor (FK-NN). Untuk mempermudah mengakses classifier yang telah dibuat maka penulis memanfaatkan web service. Hasil pengujian posisi client menghasilkan tingkat akurasi pada metode K-NN dengan nilai untuk k=1 nilainya mencapai 96%, k=2 hingga k=7 nilainya mencapai 76%, dan k=8 hingga k=10 nilainya mencapai 73%. Sedangkan, pada metode FK-NN dengan nilai k=1 dan k=2 nilainya mencapai 96%, k=3 hingga k=8 nilainya mencapai 76%, k=9 nilainya mencapai 73%, dan k=10 nilainya mencapai 76%. Berdasarkan hasil akurasi tersebut maka implementasi metode klasifikasi Fuzzy K-Nearest Neighbor (FK-NN) untuk Fingerprint Access point pada Indoor Positioning ini memiliki tingkat akurasi yang cukup baik daripada metode K-NN. Kata Kunci: Indoor Positioning, Fuzzy K-Nearest Neighbor (FK-NN), Fingerprint, Klasifikasi. Abstract Positioning is a technique used to determine the position of an object. There are two types of positioning technique: outdoor positioning and indoor positioning. An example of a system that can be used to measure outdoor positions is the Global Positioning System (GPS). GPS is a very common technology that known to know a position and as a pointer for displacement of objects through signals from satellites. GPS can provide good positioning in an outdoor environment, but the signal is very weak when used in a closed / indoor environment. Accordingly then developed a technology that serves to know the position of an object in indoor called Indoor Positioning. In this research we implements Indoor Positioning with Fingerprint method (signal strength recognition method) using measurement of signal strength (Received Signal Strength/RSS), that is by analyzed patterns strength of signal access point coming to receiver from every room. The first thing we did is to collect training data first as a basis for classification, then give the label. Next, we create a classifier based on training data. After that we re-measure as data testing to test its accuracy by Fuzzy K-Nearest Neighbor (FK-NN) classification method, and to make it easier to access the classifier that has been made, we use web service. The result of client position gives an accuracy level on K-Nearest Neighbor (K-NN) method with value k = 1 has value reaches 96%, for k=2 to k=7 has value reach 76%, and for k=8 to k=10 has value reach 73%. Meanwhile, FK-NN method with value k=1 and k=2 has value reach 96%, for k=3 to k=8 has value reach 76%, for k=9 has value reach 73%, and for k=10 has value reach 76%. Therefore, the implementation of Fuzzy K-Nearest Neighbor (FK-NN) classification method for Fingerprint Access Fakultas Ilmu Komputer Universitas Brawijaya 1195
2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1196 point on Indoor Positioning has an enough accuracy level than the K-NN method. Keywords: Indoor Positioning, Fuzzy K-Nearest Neighbor (FK-NN), Fingerprint, Classification. 1. PENDAHULUAN Positioning adalah sebuah teknik yang digunakan untuk menentukan posisi suatu objek. Dalam positioning terdapat dua jenis teknik yaitu outdoor positioning dan indoor positioning (Rohmadi, Widyawan, & Najib, 2015). Sebuah contoh sistem outdoor positioning yaitu Global Positioning System (GPS). GPS merupakan teknologi untuk mengetahui sebuah posisi dan sebagai penunjuk arah untuk perpindahan posisi objek melalui sinyal dari satelit, tetapi sinyalnya sangat lemah apabila digunakan pada lingkungan tertutup/dalam ruangan. Pada (Sana, 2013) hal tersebut dikarenakan, 1) GPS membutuhkan transmisi line-of-sight antara penerima dan satelit dimana hal tersebut merupakan suatu hal yang tidak mungkin dilakukan dalam lingkungan indoor. 2) GPS membutuhkan pandangan langit yang jelas untuk ketepatan kerjanya. 3) Sinyal GPS tidak tersedia pada lingkungan terbatas atau gedung-gedung yang tinggi. Saat ini sudah mulai berkembang teknologi yang berfungsi untuk mengetahui posisi suatu objek di dalam ruangan yang disebut dengan Indoor Positioning. Indoor Positioning merupakan sistem yang dapat digunakan untuk menentukan lokasi objek di gedung-gedung besar dan di tempat tertutup menggunakan gelombang radio, medan magnetik, sinyal akustik, atau informasi sensor lainnya yang telah dikumpulkan dari sebuah perangkat mobile (Curran et al., 2011). Dalam Indoor positioning terdapat beberapa metode, antara lain Geometric, Inertial, dan Fingerprint. Metode Geometric adalah metode penentuan posisi dengan menggunakan pengukuran jarak (distance). Sedangkan, metode Inertial adalah adalah sebuah pengukuran yang mengandalkan sensor untuk menyimpulkan arah, perpindahan, atau kecepatan sebuah objek untuk keperluan navigasi/penentuan posisi dan kecepatan kendaraan yang bergerak. Metode Fingerprint sendiri merupakan metode penentuan posisi dengan menggunakan pengenalan pola (pattern) dari kekuatan sinyal. Indoor positioning diimplementasikan dengan menggunakan metode Fingerprint karena teknik tersebut difungsikan menggunakan akses dari jaringan lokal, maka dari itu tidak diperlukan biaya tambahan untuk infrastrukturnya. Pada pengukuran pattern tersebut dibutuhkan metode untuk melakukan klasifikasi, metode yang dapat digunakan yaitu metode K- NN. Pada data training yang memiliki jarak terdekat dengan objek di ukur dengan menggunakan rumus Euclidean Distance. Pada (Torteeka & Chundi, 2015) FK-NN dapat memberikan prediksi yang lebih baik dari metode K-NN, karena metode K-NN memiliki hasil perhitungan yang kurang akurat. Maka dari itu untuk meningkatkan akurasi pada metode penelitian indoor positioning ini penulis menambahkan metode Fuzzy K-Nearest Neighbor (FK-NN). Metode FK-NN merupakan metode yang memprediksi hasil dilakukan dengan data testing, diberikan label kelas pada setiap kelas di data training dengan memberikan nilai keanggotaan, sehingga lebih detail dan akurat perhitungannya. Dalam penelitian ini yang pertama dilakukan oleh peneliti adalah melakukan pengumpulan data training terlebih dahulu sebagai dasar untuk klasifikasi, kemudian diberikan label. Kemudian membuat classifier berdasarkan data training. Setelah itu peneliti mengukur ulang sebagai data testing untuk menguji akurasinya dengan menggunakan metode klasifikasi K-NN dan FK-NN, dan untuk mempermudah mengakses classifier yang telah dibuat maka penulis memanfaatkan web service. 2. LANDASAN KEPUSTAKAAN 2.1 Indoor positioning Indoor positioning merupakan sistem yang digunakan untuk mengetahui lokasi suatu objek atau seseorang yang berada di dalam sebuah gedung dengan menggunakan gelombang radio, medan magnetik, sinyal akustik, atau informasi sensor lainnya yang telah dikumpulkan dari sebuah perangkat mobile Tipe Pengukuran Data pada Indoor positioning Terdapat beberapa tipe pengukuran data dalam indoor positioning yaitu, yaitu : 1. Geometric, yaitu digunakan sebagai pengukuran estimasi lokasi. Pada metode ini akan sangat bergantung pada kondisi
3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1197 lingkungannya, dan cukup susah dalam mengkonversi dari kekuatan sinyalnya ke jaraknya, karena kekuatan sinyal itu mengikuti kondisi lingkungan (Dardari, Member, Closas, Member, & Djuri, 2015). Metode pengukuran yang umum digunakan seperti lateration, lokasi target merupakan estimasi dari pengukuran suatu jarak dari beberapa titik referensi menggunakan Time of Arrival (TOA), yaitu waktu perjalanan antara pemancar yang disinkronkan dan perangkat menerima, metode pengukuran Receive Signal Strength (RSS), yaitu kekuatan sinyal radio yang datang pada penerima sebuah jarak dari pemancar, dan metode angulasi menggunakan persimpangan dari beberapa pasang dari sudut arah garis untuk memperkirakan lokasi target merupakan pengukuran Angle Of Arrival (AOA), yaitu sebuah metode untuk memperoleh arah dari propagasi dari sebuah insiden frekuensi gelombang radio. 2. Fingerprinting, yaitu metode untuk pemetaan pengukuran data ke sebuah titik jaringan yang diketahui diseluruh cakupan area pada lingkungannya. Fingerprint merupakan metode penentuan posisi dengan menggunakan pengenalan pola (pattern) dari kekuatan sinyal. Jenis pengukuran ini menggunakan pengukuran Received Signal Strength (RSS), yaitu pola kekuatan sinyal radio yang datang pada penerima dari pemancar. 3. Proximity (kedekatan), merupakan sebuah metode yang memberikan lokasi yang simbolik dalam kondisi dari sebuah layanan dari penyedia datacenter yang menawarkan pelanggan untuk menitipkan server / PC nya di datacenter dengan sebuah landmark yang diketahui. 4. Dead reckoning (Inertial), adalah proses menghitung posisi seseorang saat ini dengan menggunakan posisi yang telah ditentukan sebelumnya, dan memajukan posisi berdasarkan kecepatan yang telah diketahui atau diperkirakan dari waktu dan arah. 2.2 Metode Klasifikasi Klasifikasi adalah metode yang mencari nilai pada salah satu atribut berdasarkan data yang tersedia dapat disebut atribut klas. Nilai dari atribut klas ini dapat ditemukan jika berdasar pada nilai-nilai yang telah ada pada atribut klas, yaitu pada data training. Contohnya ketika seseorang dengan sebuah perangkat yang berada pada sebuah gedung, sedang berada diruangan A mendeteksi tiga access point yang letaknya masing-masing berada pada tiga ruangan yang berbeda yaitu ruangan A, B, dan C. Kekuatan sinyal akan berubah-ubah apabila orang tersebut berpindah-pindah posisi pada ruangan A, maka berdasarkan pada sinyal yang ditangkap pada perangkat posisi orang tersebut akan di klasifikasikan tetap ke dalam ruangan A karena posisi orang tersebut masih berada pada ruangan A, walaupun posisinya berpindahpindah dan kekuatan sinyal berubah-ubah K-Nearest Neighbor Metode K-NN merupakan suatu metode untuk klasifikasi, metode ini melakukan klasifikasi terhadap suatu obyek yang berdasar kepada data training yang mempunyai jarak yang paling dekat dari obyek tersebut. Semua ruangan yang digunakan adalah sebagai data klasifikasi untuk sample training (Ichsan, Putra, Wibisono, & Studiawan, 2013). Ketika sebuah sample baru digunakan untuk test, kemudian akan dihitung jarak antara sample test dan setiap sample training. Sample tesnya adalah diberikan pada klas yang memiliki kumpulan dari beberapa jarak K yang paling sedikit (Majumdar & Ward, 2000). Rumus euclidean distance digunakan untuk mengitung jaraknya, nilai k yang terbaik pada metode ini bergantung pada data. Diketahui bahwa nilai k yang tinggi dapat mengurangi efek noise dalam klasifikasi, namun dapat membuat batas antar setiap klasifikasi menjadi kabur. Sehingga dalam pemilihan nilai k yang tepat dapat mempengaruhi hasil klasifikasi data terbaik (Ichsan et al., 2013) Fuzzy K-Nearest Neighbor Fuzzy K-NN merupakan gabungan metode Fuzzy dan K-Nearest Neighbor. Dalam Fuzzy, suatu data memiliki nilai keanggotaan disetiap kelasnya, maksudnya suatu data dapat dimiliki oleh kelas yang berbeda dengan nilai derajat keanggotaan pada interval [0,1]. Klasifikasi Fuzzy K-NN nanti dapat memilih nilai keanggotaan kelas pada data training dengan kekuatan sinyal access point tertinggi. Rumus untuk memberikan nilai keanggotaan pada data testing dijelaskan pada (Persamaan 2.1) dengan menggunakan rumus jarak (euclidiance):
4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1198 u i ( x) K u j 1 ij ( K ( j 1 1 ) 2 ( m1) x x j 1 ) 2 ( m1) x x j Persamaan 2.1 Rumus Jarak (Euclidiance) Fungsi u i (x): nilai keanggotaan data x ke kelas u i, K: nilai yang digunakan untuk menentukan jumlah tetangga terdekat, u ij: nilai keanggotaan data pada K tetangga terdekat di kelas j, x - x j: selisih jarak data x ke data x j dalam K tetangga terdekatnya, m: bobot pangkat (weight exponent) yang besarnya m > 1. Rumus untuk melakukan normalisasi data (Persamaan 2.2), yaitu: V min V max min Persamaan 2.2 Rumus perhitungan normalisasi Min-Max dan mendeteksi 1 access point terdekat sebagai tetangga terdekat (1 tetangga terdekat), maka pada metode ini diklasifikasikan bahwa device tersebut berada diruang 1. Gambar 2.1 Contoh FK-NN dengan 1 tetangga terdekat (1-NN) Sumber: (Prasetyo, 2012) Kemudian Gambar 2.3 adalah gambar sebuah device yang mendeteksi 3 access point terdekat sebagai tetangga terdekat (3 tetangga terdekat), maka pada metode ini posisi device dapat diklasifikasikan berada di ruang 1. Fungsi V : Hasil normalisasi yang nilainya berkisar antara 0 dan 1, V: nilai atribut A yang akan dinormalisasi, min A: nilai minimum dari suatu atribut A, max A : nilai maksimum dari suatu atribut A. Berdasarkan hasil perhitungan jarak Euclidean dari semua data, dilakukan pencarian nilai weight (w). 1 weight( w) 2 dis tan ce( y, a) Persamaan 2.3 Rumus pencarian nilai weight (w) Fungsi distance (y,a) = nilai jarak dari data training ke data testing. Kemudian rumus untuk Inisialisasi Fuzzy, sebagai berikut: n j k U ij ( x) n j 0.49 k j i j i Persamaan 2.4 Perhitungan inisialisasi Fuzzy Fungsi U ij: nilai keanggotaan kelas i pada vektor j, n j: jumlah anggota kelas j pada suatu dataset K, k: banyaknya tetangga terdekat, j: kelas target. Berikut ini adalah contoh dari metode Fuzzy K-Nearest Neighbor (FK-NN) berdasarkan pada posisi device dengan access point dalam ruangan, Gambar 2.2 adalah gambar sebuah device yang berada di room 1 (ruang 1), Gambar 2.2 Contoh FK-NN dengan 3 tetangga terdekat (3-NN) Sumber: (Prasetyo, 2012) 2.3 Web Service Diketahui bahwa Web Service dapat menghubungkan client dengan aplikasi pada server melalui jaringan internet. Dalam Web Service apabila ingin melakukan pengiriman data, formatnya dapat berupa JSON (JavaScript Object Notation) dan XML (Extensible Markup Language). Dalam penelitian ini menggunakan format JSON karena filenya berukuran lebih kecil dibandingkan dengan XML. File yang lebih kecil dapat mempengaruhi respon yang lebih cepat apabila mengakses Web Service. 3. METODOLOGI 3.1. Identifikasi Masalah Pada identifikasi masalah ini membahas
5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1199 masalah yang diteliti dalam penelitian ini yaitu bagaimana mendapatkan data untuk data train dan data test, bagaimana mengolah data train dan data test untuk klasifikasi, bagaimana pengiriman data pada client dan server Web Servicenya, dan bagaimana akurasi posisi seseorang pada sebuah tempat dengan metode fingerprint pada access point dan metode klasifikasi fuzzy k-nn. Berdasarkan pada permasalahan tersebut dapat diidentifikasi cara yang dapat digunakan untuk mengatasi masalah tersebut. Dalam identifikasi masalah ini diberikan solusi yang mungkin dapat digunakan atau diterapkan. Pada penelitian ini menggunakan metode Fingerprint dalam Indoor positioning karena memiliki keuntungan bahwa koordinat access point tidak diperlukan pada proses penentuan posisi. Tetapi, memerlukan pengembangan pada database. Databasenya disebut juga sebagai pemetaan gelombang radio, yang berisi sebuah kumpulan dari pola penyesuaian pada lokasi yang berbeda di area dimana posisi access point akan melakukan kinerjanya. Setelah dapat menentukan masalah yang diteliti kemudian selanjutnya yang dilakukan adalah mencari tujuan penelitian. Tujuan penelitian yaitu metode fingerprint access point pada Indoor positioning tersebut dapat menentukan posisi seseorang dengan menggunakan tambahan metode K-Nearest Neighbor (K-NN) dan Fuzzy K-Nearest Neighbor (FK-NN). Keakuratannya diukur berdasar kekuatan sinyal baru yang didapatkan cocok dengan kekuatan sinyal yang berada dalam database. 3.2 Analisis Kebutuhan Tahap analisis kebutuhan dilakukan dengan tujuan untuk memenuhi kebutuhan pada sistem ini. Jenis analisis kebutuhan yang diperlukan dalam pengimplementasian penelitian ini yaitu sebagai berikut: 1. Kebutuhan Hardware (perangkat keras), yaitu: a. Komputer atau laptop yang dapat digunakan sebagai server maupun client untuk sistem. Dimana diketahui sistem ini dapat berkomunikasi melalui server yang memiliki database dari gedung yang digunakan dengan client. b. Access Point digunakan sebagai jaringan lokal yang digunakan oleh client untuk melakukan fingerprint kekuatan sinyal yang kemudian akan dikirimkan kepada server. 2. Kebutuhan Software (perangkat lunak), yaitu: a. Python Command Line dan Python IDLE yang digunakan sebagai compiler dari perancangan sistem ini. b. b.tools scikit learn untuk dapat memudahkan dalam melakukan klasifikasi dengan metode fuzzy k-nn, numpy untuk pengolahan data, dan file csv sebagai database file. c. Web Service Flask untuk menghubungkan server dengan client. 3. Kebutuhan Data, yaitu info sinyal yang berisi mac address, kekuatan sinyal dari access point, dan kelas tempat pengambilan data. Dilakukan pre-process pada info sinyal tersebut agar menjadi data training dan data testing. 4 SUMBER PUSTAKA/RUJUKAN 4.1 Gambaran Umum Sistem Berikut adalah gambaran umum sistem (Gambar 4.1) mengetahui posisi seseorang dengan fingerprint access point. Gambar 4.1 Gambaran Umum Sistem Dalam sistem ini client menerima data mac address dan kekuatan sinyal dari satu atau lebih access point kemudian sistem (server) melakukan kalkulasi data yang baru saja diterima client dengan data yang sudah ada di sistem untuk mengetahui posisi client. 4.2 Perancangan Sistem Pada Gambar 4.2 perancangan sistem digambarkan secara lengkap dari client mendapatkan sinyal kemudian server melakukan komputasi hingga client menerima hasil komputasi dari server (menerima posisinya saat itu).
6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1200 Gambar 4.2 Gambaran Perancangan Sistem Dapat dilihat dari gambar diatas bagaimana proses kerja sistem antara server dan client, yaitu : 1. Client melakukan fingerprint untuk data test yaitu berupa data mac dan kekuatan sinyal. 2. Client mengirimkan data yang didapatkan dari hasil fingerprint kepada server. 3. Server melakukan filter mac address dari data test yang didapatkan dari client dengan mencocokan mac address yang ada di dalam data itu dengan data mac address yang sudah ada di dalam data train. Apabila mac address cocok (ada) di dalam data train maka server akan melanjutkan proses untuk melakukan klasifikasi. Jika tidak cocok (tidak ada) di dalam data train maka server tidak akan melanjutkan proses. Server melakukan klasifikasi data test dengan data train yang sudah didapatkan sebelumnya oleh peneliti. 4. Server mendapatkan hasil klasifikasi berupa teks yang berisi posisi client saat itu. Server mengirimkan hasil klasifikasi kepada client. 5. Client menerima hasil klasifikasi (client mengetahui posisinya saat itu). 4.3 Aliran Perancangan Sistem Aliran perancangan sistem untuk penelitian ini dapat dilihat sebagai berikut: perancangan sistem untuk implementasi metode klasifikasi K-NN dan FK-NN dari fingerprint access point pada indoor positioning. Proses alir perancangan sistem tersebut dimulai dari menjalankan server webservice, kemudian pengguna melakukan scan/fingerprint access point. Hasil scan tersebut dapat digunakan sebagai data testing untuk sistem dapat melakukan klasifikasi dengan data training yang sudah ada menggunakan metode klasifikasi K- NN dan FK-NN, setelah itu sistem akan memunculkan hasil prediksi dari klasifikasi tersebut. 4.4 Perancangan Pengujian Sistem Pengujian sistem ini dilakukan untuk menguji kinerja dari sistem telah berjalan dengan baik atau belum. Pengujian yang dilakukan adalah pengujian fungsionalitas sistem dan pengujian akurasi sistem Perancangan Pengujian Fungsionalitas Sistem Pengujian fungsionalitas sistem ini merupakan pengujian fungsionalitas web service dari client ke server dan server ke client. Tabel 4.1 Skenario Pengujian Fungsionalitas Web Service antar server-client Percobaan Kasus Prosedur Hasil yang diharapkan Pengujian fungsionalitas web service antar server dan client 1. Menjalankan server 2. Menjalankan client Sistem dapat menampilkan hasil perhitungan posisi pada client berdasarkan data yang dikirim oleh client dan kemudian dikalkulasi oleh server dengan metode klasifikasi fk-nn Perancangan Pengujian Akurasi Sistem Pengujian akurasi sistem ini dilakukan untuk menguji keakuratan data yang dihasilkan oleh client berdasarkan pada hasil perhitungan klasifikasi server dari data yang dikirimkan oleh client. Tabel 4.2 Skenario Pengujian Akurasi Sistem Gambar 4.3 Aliran Perancangan Sistem Pada Gambar 4.3 menunjukkan alir Percobaan Kasus Prosedur Hasil yang diharapkan Pengujian akurasi sistem 1. Menjalankan server dengan memilih nilai k terbaik untuk mendapatkan hasil keakuratan posisi client 2. Menjalankan client Sistem dapat menghasilkan posisi yang akurat berdasar pada data yang dikirim oleh client dan perhitungan klasifikasi dengan metode fk-nn pada server.
7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer IMPLEMENTASI SISTEM 5.1 Implementasi Antarmuka Sistem Implementasi antarmuka sistem ini diimplementasikan dalam bentuk antarmuka client dan server pada dua terminal. Dalam Gambar 5.1 merupakan gambaran server pada terminal ketika dijalankan. Pada implementasi ini ketika client dijalankan, client akan melakukan beberapa hal, yaitu: 1. Client melakukan fingerprint access point, client mendapatkan data test berupa mac address dan kekuatan sinyal 2. Client memasukkan hasil scan ke dalam bentuk list/dictionary 3. Client mengubah list/dictionary menjadi string dengan format JSON 4. Client mengirimkan data test ke server 5. Client menerima data hasil klasifikasi dari server 6 PENGUJIAN SISTEM Gambar 5.1 Antarmuka Server Pada implementasi ini ketika server dijalankan, server akan melakukan beberapa hal, yaitu: 1. Server menerima data test dari client berupa string 2. Data diubah dari string ke bentuk awal dari client yaitu list/dictionary 3. Server membaca data train yang ada pada file csv (Comma Separate Value) 4. Data test diparsing mac addressnya untuk dilakukan pencocokan mac address dengan hasil parsing mac address data train yang ada pada server 5. Hasil pencocokan data mac address, apabila ada data yang cocok maka dilakukan klasifikasi 6. Untuk melakukan klasifikasi server memasukkan data kekuatan sinyal dari hasil parsing mac address tadi ke dalam matrix numpy 7. Server melakukan klasifikasi menggunakan tambahan tools scikit learns dan numpy untuk memudahkan dalam pengolahan datanya pada sistem operasi python dan mendapatkan hasil berupa label (nomor ruangan) dari data train 8. Server mengimkan kembali data hasil klasifikasi kepada client dengan format Json Dalam Gambar 5.2 merupakan gambaran client ketika dijalankan. 6.1 Pengujian Fungsionalitas Pengujian ini merupakan pengujian fungsionalitas Web Service dari client ke server dan server ke client. Pengujian disini dilihat (Gambar 6.1) bagaimana server dapat melakukan mekanisme klasifikasi dengan dengan upload data yang sudah ada atau dengan mengirim mac address secara langsung. Gambar 6.1 Alur proses client-server Proses Pengujian Fungsional Berikut ini merupakan proses yang dilakukan untuk pengujian fungsional, dimulai dari proses menjalankan server hingga client mendapatkan hasil prediksi posisinya. 1. Menjalankan file server (Gambar 6.2). Gambar 6.2 Menjalankan Server Gambar 5.2 Antarmuka Client 2. Menjalankan file client (Gambar 6.3).
8 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1202 Gambar 6.3 Menjalankan Client 3. Client melakukan fingerprint data test (Gambar 6.4). 9. Server melakukan klasifikasi dengan data train (Gambar 6.10) dan data test yang telah didapatkan oleh client (Gambar 6.11). Gambar 6.4 Client Fingerprint Access point 4. Data diubah ke dalam bentuk Json untuk dikirimkan melalui Web Service (Gambar 6.5). Gambar 6.10 Server menampilkan isi data train untuk melakukan klasifikasi Gambar 6.5 Client mengirim data dalam bentuk Json 5. Server menerima hasil fingerprint data test yang dikirimkan oleh client (Gambar 6.6) Gambar 6.11 Server menampilkan isi data test untuk melakukan klasifikasi 10. Server mendapatkan hasil prediksi posisi client dan mengirimkannya kepada client (Gambar 6.12). Gambar 6.6 Server menerima data dari Client 6. Server melakukan pencocokan data mac address (Gambar 6.7). Gambar 6.12 Server mendapatkan kemudian mengirimkan hasil klasifikasi ke client 11. Client menerima hasil prediksi posisinya dari server (Gambar 6.13). Gambar 6.13 Client menerima hasil prediksi posisinya Gambar 6.7 Server membaca daftar mac address pada file data train 7. Client menerima pemberitahuan berupa pesan bahwa mac address ada pada data train (Gambar 6.8). Gambar 6.8 Mac address ada (cocok) 8. Server menambahkan nilai -110 pada isi data mac address yang tidak terdeteksi ketika client melakukan fingerprint (Gambar 6.9). Gambar 6.9 Menambahkan nilai Hasil Pengujian Fungsional Dari kasus pengujian fungsional yang telah ditentukan dan dari proses yang telah dilakukan didapatkan, maka hasil dari pengujian fungsional tersebut. Hasilnya ditampilkan pada Tabel 6.1. Tabel 6.1 Hasil Pengujian Fungsional No. Deskrips i 1. Pengujia n fungsiona litas web service antar server dan client Hasil Yang Diharapkan Sistem dapat menampilkan hasil perhitungan posisi pada client berdasarkan data yang Hasil Yang Didapatkan Sistem dapat menampilkan hasil perhitungan posisi pada client berdasarkan data yang
9 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1203 dikirim oleh client dan kemudian dikalkulasi oleh server dengan metode klasifikasi k-nn dan fk-nn. dikirim oleh client dan kemudian dikalkulasi oleh server dengan metode klasifikasi k-nn dan fk-nn. Tabel 6.2 Hasil Pengujian Akurasi Posisi Client metode K-NN Analisis Pengujian Fungsional Berdasarkan pada hasil pengujian fungsional maka dapat dilihat bahwa implementasi metode k-nn dan fk-nn untuk fingerprint Indoor positioning yang telah dilakukan oleh peneliti telah memenuhi kebutuhan yang telah ditentukan. 6.2 Pengujian Akurasi Pengujian akurasi ini dilakukan untuk mengetahui hasil implementasi program ini memenuhi kebutuhan yang telah ditentukan dan memiliki tingkat akurasi yang baik Proses dan Hasil Pengujian Akurasi Pengujian akurasi dilakukan menggunakan 60 data training dan 30 data testing. Diketahui posisi client sebenarnya di ruang mana, kemudian dengan hasil implementasi program ini didapatkan hasil prediksi posisi client tersebut, dan keterangan valid atau tidak valid dari hasil prediksinya. Pada Tabel 6.2 menggunakan metode klasifikasi K- NN dan Tabel 6.3 menggunakan metode FK- NN, masing-masing menggunakan nilai k=1 hingga k=10. Tabel 6.3 Hasil Pengujian Akurasi Posisi Client metode FK-NN Analisis Pengujian Akurasi metode K- NN dan FK-NN Pada analisis hasil pengujian akurasi posisi client berikut akan dilihat kesesuaian posisi client sebenarnya dengan hasil prediksi posisi client dari sistem. Berikut (Persamaan 6.1) rumus untuk menghitung akurasinya. JumlahValid Akurasi (%) JumlahDataTesting Persamaan 6.1 Menghitung Akurasi
10 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1204 Pada Tabel 6.4 merupakan hasil perbandingan perhitungan akurasi metode K-NN dan FK-NN. Tabel 6.4 Hasil Perbandingan Akurasi metode K-NN dan FK-NN Metode Klasifikasi K- NN Untuk nilai k= ,96 96% Untuk nilai k=2 hingga k= % Untuk nilai k=8 hingga k=10 0, ,73 73% Metode Klasifikasi FK-NN Untuk nilai k=1 dan k= ,96 96% Untuk nilai k=3 hingga k= % Untuk nilai k=9 0, ,73 73% Untuk nilai k= ,76 76% Berdasarkan Tabel 6.4 menunjukkan bahwa hasil akurasi dari implementasi metode klasifikasi FK-NN untuk Fingerprint Access point pada Indoor Positioning ini memiliki tingkat akurasi yang cukup baik daripada metode K-NN. 7. KESIMPULAN Berikut hasil pengamatan dari penelitian skripsi ini selama perancangan, implementasi, dan pengujian, yaitu: 1. Data train dan data test merupakan hasil fingerprint access point oleh peneliti di gedung E lantai 2 FILKOM pada 6 ruangan yaitu E2.1, E2.2, E2.3, E2.4, E2.5, dan E2.7 menggunakan hasil implementasi coding python yang di parsing dari iwlist scan. Data train berjumlah 60, data test berjumlah 30, dan masing-masing memiliki 19 mac address yang sama. 2. Menentukan posisi client dengan klasifikasi menggunakan data training berisi mac address, kekuatan sinyal, dan diberikan label kelas secara manual kemudian disimpan dalam file csv, sedangkan pada data test berisi mac address dan kekuatan sinyal. Ketika klasifikasi tipe data dari data train dan data test yaitu array numpy dengan jumlah fitur sama dan terdapat kecocokan pada mac address, metode klasifikasinya menggunakan tools scikit learn. 3. Implementasi kebutuhan fungsional dalam menentukan posisi client dengan metode klasifikasi FK-NN untuk fingerprint access point pada Indoor positioning berhasil diimplementasi menggunakan bahasa pemrograman Python, dengan Web Service untuk menghubungkan client dan server dengan menggunakan format pengiriman file JSON. 4. Metode klasifikasi K-NN dan FK-NN diimplementasikan dengan melakukan proses fingerprint info sinyal sebagai bahan data untuk di pre-proccess sebagai data training dan data testing. Data training merupakan bahan dasar untuk klasifikasi yang diberikan label kelas. Sedangkan data testing digunakan untuk menguji keakuratan data dengan data training. Data training dan data testing tersebut kemudian menjadi classifier, setelah itu dilakukan klasifikasi dengan metode K-NN dan FK-NN pada bagian server sehingga client dapat mengetahui posisinya. Untuk mempermudah dalam mengakses classifier tersebut maka penulis memanfaatkan web service. 5. Berdasarkan pengujian akurasi posisi client yang telah dilakukan dari metode K-NN dan FK-NN, menghasilkan indeks presentase (%) pada metode K-NN untuk k=1 nilainya mencapai 96%, k=2 hingga k=7 nilainya mencapai 76%, dan k=8 hingga k=10 nilainya mencapai 73%. Sedangkan, metode FK-NN untuk k=1 dan k=2 nilainya mencapai 96%, k=3 hingga k=8 nilainya mencapai 76%, k=9 nilainya mencapai 73%, dan k=10 nilainya mencapai 76%. Berdasarkan hasil tersebut menunjukkan bahwa sistem berjalan dengan baik dan hasil akurasi dari implementasi metode klasifikasi FK-NN untuk Fingerprint Access point pada Indoor Positioning ini memiliki tingkat akurasi yang cukup baik daripada metode K- NN.
11 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1205 DAFTAR PUSTAKA Curran, K., Furey, E., Lunney, T., Santos, J., Woods, D., & McCaughey, A. (2011). An evaluation of indoor location determination technologies. Journal of Location Based Services, 5(2), Dardari, D., Member, S., Closas, P., Member, S., & Djuri, P. M. (2015). Indoor Tracking : Theory, Methods, and Technologies, 64(4), Ichsan, R., Putra, P., Wibisono, W., & Studiawan, H. (2013). Sistem Pendeteksi Posisi dalam Ruangan Menggunakan Kekuatan Sinyal Wi-Fi dengan Penerapan Algoritma Cluster Filtered KNN, 2(1). Majumdar, A., & Ward, R. K. (2000). FINGERPRINT RECOGNITION WITH CURVELET FEATURES AND FUZZY KNN CLASSIFIER φ ( x, y ) = φ ( x ) φ ( y ) - scaling function ψ y ( x, y ) = φ ( x ) ψ ( y ) - vertical wavelets ψ x ( x, y ) = ψ ( x ) φ ( y ) - horizontal wavelets ψ d ( x, y ) = ψ ( x. Prasetyo, E. (2012). Fuzzy K-Nearest Neighbor in Every Class Untuk Klasifikasi Data, (Santika 2012), Rohmadi, Y. E., Widyawan, & Najib, W. (2015). Teknik positioning pada bluetooth. ISSN: , Sana. (2013). A Survey of Indoor Localization Techniques. IOSR Journal of Electrical and Electronics Engineering (IOSR- JEEE), 6(3), Torteeka, P., & Chundi, X. I. U. (2015). Indoor Positioning based on Wi-Fi Fingerprint Technique using Fuzzy K-Nearest Neighbor.
Rizky 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 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 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 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 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 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 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 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 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 terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM Bab ini menjelaskan tentang analisa data, rancangan sistem, dan skenario pengujian. Bagian analisa data meliputi data penelitian, analisis data, data preprocessing.
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 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 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 terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 184-189 http://j-ptiik.ub.ac.id Klasifikasi Standar Produk Baja PT. Krakatau Steel (Persero)
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 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 terperinciKata Pengantar. 2. Bapak Putu Wira Buana, S.Kom., M.T., selaku pembimbing II yang sudah membimbing dan mengarahlan penulis.
Kata Pengantar Segala puji syukur penulis panjatkan kepada Tuhan Y.M.E, penulis dapat menyelesaikan Tugas Akhir ini. Tugas Akhir ini dikerjakan guna memenuhi salah satu syarat kelulusan dari matakuliah
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 2 NO. 1 SEPTEMBER 2010
PERBANDINGAN METODE K-NEAREST NEIGHBOR (KNN) dan METODE NEAREST CLUSTER CLASSIFIER (NCC) DALAM PENGKLASIFIKASIAN KUALITAS BATIK TULIS Nesi Syafitri 1 ABSTRACT Various problem that are related to classification
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Perkembangan teknologi Location Based Service (LBS) saat ini mulai berkembang semakin beragam. Dimulai dari pengintegrasian Personal Computer (PC) dan Global Positioning
Lebih terperinciImplementasi Algoritme Fuzzy K-Nearest Neighbor untuk Penentuan Lulus Tepat Waktu (Studi Kasus : Fakultas Ilmu Komputer Universitas Brawijaya)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 4, April 2018, hlm. 1726-1732 http://j-ptiik.ub.ac.id Implementasi Algoritme Fuzzy K-Nearest Neighbor untuk Penentuan
Lebih terperinciBAB III SISTEM TRACKING ARMADA
BAB III SISTEM TRACKING ARMADA Pada Bab ini akan dibahas mengenai penjelasan tentang konsep sistem tracking armada, baik itu klasifikasi tracking maupun perbandingan sistem tracking armadanya. 3.1 KLASIFIKASI
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 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 terperinci3.6 Data Mining Klasifikasi Algoritma k-nn (k-nearest Neighbor) Similaritas atribut numerik
DAFTAR ISI PERNYATAAN... iii PRAKATA... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv DAFTAR PERSAMAAN... xv DAFTAR ALGORITMA... xvi DAFTAR LAMPIRAN... xvii INTISARI... xviii ABSTRACT...
Lebih terperinciSISTEM PELACAKAN KEBERADAAN LOKASI KENDARAAN BERBASIS MIKROKONTROLER ATMEGA16 MELALUI LAYANAN SMS. Disusun Oleh : Nama : Indra Pratama Nrp :
SISTEM PELACAKAN KEBERADAAN LOKASI KENDARAAN BERBASIS MIKROKONTROLER ATMEGA16 MELALUI LAYANAN SMS Disusun Oleh : Nama : Indra Pratama Nrp : 0522033 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria
Lebih terperinciVISUALISASI 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 terperinciNAVIGASI PERANGKAT BERGERAK DI LINGKUNGAN ITS MENGGUNAKAN PLATFORM WIKITUDE
NAVIGASI PERANGKAT BERGERAK DI LINGKUNGAN ITS MENGGUNAKAN PLATFORM WIKITUDE Ridho Rahman Hariadi 1), Imaduddin Al Fikri 2), dan Darlis Herumurti 3) 1, 2, 3) Jurusan Teknik Informatika, Fakultas Teknologi
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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Hitomi Takahashi dan Takayuki Kushida (2014) menjelaskan bahwa pengguna dalam menghubungkan perangkat mereka ke sebuah jaringan masih mengalami keterbatasan kemampuan,
Lebih terperinciREALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES
REALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES Avrian Andreas Marjono NRP : 1222006 e-mail : avrianandreas@yahoo.co.id ABSTRAK Rasa
Lebih terperinciSimulasi Pelacakan Target Tunggal Untuk Mengetahui Jarak, Sudut Azimuth, Sudut elevasi dan kecepatan target ABSTRAK
Simulasi Pelacakan Target Tunggal Untuk Mengetahui Jarak, Sudut Azimuth, Sudut elevasi dan kecepatan target Willy Sukardi / 0322041 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
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 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 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 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 terperinciMONITORING AKTIVITAS KELUARGA BERBASIS GPS TRACKING
1 MONITORING AKTIVITAS KELUARGA BERBASIS GPS TRACKING Faiqunisa 1, Gelar Aditya Pratama 2 1 STMIK BANDUNG Sekolah Tinggi Manajemen Informatika dan Komputer Bandung JL. Cikutra no 113-A, Bandung Jawa Barat,
Lebih terperinciABSTRAK. Kata kunci : Android, Basis Data, Web Service, SPMB, Try Out, EBTANAS. Universitas Kristen Maranatha
ABSTRAK Dengan tersedianya smartphone atau tablet yang canggih saat ini, segala macam informasi dapat dengan mudah didapatkan dimanapun dan kapanpun. Untuk membantu siswa mempersiapkan diri menghadapi
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 terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
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 terperinciABSTRAK. Kata kunci: Spam, Android, Pesan, Java, Webservice. Universitas Kristen Maranatha
ABSTRAK Penipuan dengan menggunakan pesan singkat pada ponsel yang diterima oleh pengguna sampai sekarang ini masih sangat banyak. Pesan penipuan ini dikirim oleh orang yang tidak bertanggung jawab dan
Lebih terperinciBAB V IMPLEMENTASI DAN PENGUJIAN SISTEM
BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM V.1 Lingkungan Implementasi Lingkungan implementasi meliputi lingkungan perangkat keras (hardware) dan lingkungan perangkat lunak (software) yang digunakan pada
Lebih terperinciDETEKSI POSISI DALAM RUANGAN MENGGUNAKAN MIKROKONTROLLER ARDUINO DAN MULTI SENSOR
DETEKSI POSISI DALAM RUANGAN MENGGUNAKAN MIKROKONTROLLER ARDUINO DAN MULTI SENSOR Henning Titi Ciptaningtyas 1), Royyana Muslim Ijtihadie 2), Wildhan Ibrahim Amin 3) 1 Jurusan Teknik Informatika, Fakultas
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sekarang ini perkembangan teknologi mobile device sangatlah pesat, dengan banyaknya bermunculan produk baru dari berbagai macam platform dan merk handphone
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahapan yang dilaksanakan selama pembuatan penelitian tugas akhir. Secara garis besar metodologi penelitian tugas akhir ini dapat
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 terperinciAPLIKASI PEMELIHARAAN DATA DONATUR DI RUMAH ZAKAT MAINTENANCE DONATURE APPLICATION AT RUMAH ZAKAT
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2006 APLIKASI PEMELIHARAAN DATA DONATUR DI RUMAH ZAKAT MAINTENANCE DONATURE APPLICATION AT RUMAH ZAKAT Bayu Mahaliyanto¹, -² ¹Teknik Informatika,, Universitas
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 terperinciKLASIFIKASI PADA DATA MINING MENGGUNAKAN NAIVE BAYESIAN CLASSIFIER CLASSIFICATION FOR DATA MINING USING NAIVE BAYESIAN CLASSIFIER
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2005 KLASIFIKASI PADA DATA MINING MENGGUNAKAN NAIVE BAYESIAN CLASSIFIER CLASSIFICATION FOR DATA MINING USING NAIVE BAYESIAN CLASSIFIER Agustina Ratna Puspitasari¹,
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Kebutuhan Sistem Kebutuhan fungsional sistem merupakan paparan mengenai fitur-fitur yang akan dimasukan kedalam aplikasi yang akan dibangun. Fitur fitur tersebut harus memenuhi
Lebih terperinciABSTRAK. Kata kunci: diagram kelas, xml, java, kode sumber, sinkronisasi. v Universitas Kristen Maranatha
ABSTRAK Salah satu bidang kajian dalam bidang teknologi informasi adalah rekayasa perangkat lunak. Dalam rekayasa perangkat lunak, terdapat konsep yang mendasari berbagai jenis metodologi pengembangan
Lebih terperinciRancang Bangun Aplikasi Perangkat Bergerak Layanan Pemesanan Barang (Studi Kasus Dinas Kebersihan dan Pertamanan Kota Surabaya )
A783 Rancang Bangun Aplikasi Perangkat Bergerak Layanan Pemesanan Barang (Studi Kasus Dinas Kebersihan dan Pertamanan Kota Surabaya ) Shoffi Izza Sabilla, Sarwosri, dan Erma Suryani Jurusan Teknik Informatika,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini sering terjadi data explosion problem yaitu data data yang tersimpan dalam database berjumlah sangat besar namun dari data data tersebut belum banyak dimanfaatkan
Lebih terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
Lebih terperinciBAB I PENDAHULUAN. Universitas Kristen Maranatha
15 BAB I PENDAHULUAN 1.1. Latar Belakang Dengan perkembangan yang massif dari internet beberapa dekade ini banyak memberikan kontribusi yang besar untuk kemudahan dalam bekerja, baik untuk individu maupun
Lebih terperinciModel Aplikasi Pencarian Letak Rumah Sakit Terdekat Berbasis Android
ISSN: 2089-3787 761 Model Aplikasi Pencarian Letak Rumah Sakit Terdekat Berbasis Android Muhammad Haris Rahman, Taufiq Program Studi Sistem Informasi, STMIK Banjarbaru JL. Ahmad Yani Km. 33,5 Loktabat,
Lebih terperinciAplikasi Geografis Pemetaan Bangunan dan Jaringan Irigasi Berbasis Mobile Android
Aplikasi Geografis Pemetaan Bangunan dan Jaringan Irigasi Berbasis Mobile Android I Wayan Agus Krisna Apriana, I Nyoman Piarsa, I Putu Agung Bayupati Jurusan Teknologi Informasi, Fakultas Teknik, Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi saat ini telah mengalami perubahan yang pesat. Teknologi telah menjadi bagian dari kehidupan manusia. Hampir setiap kegiatan yang dilakukan manusia
Lebih terperinciSISTEM PENDETEKSI KETINGGIAN MUATAN ROKET BERBASIS MIKROKONTROLER. Gelar Kharisma Rhamdani /
SISTEM PENDETEKSI KETINGGIAN MUATAN ROKET BERBASIS MIKROKONTROLER Gelar Kharisma Rhamdani / 0522092 Jurusan Teknik Elektro, Fakultas Teknik,, Jln. Prof. Drg. Surya Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciKLASIFIKASI HELPDESK UNIVERSITAS JENDERAL ACHMAD YANI MENGGUNAKAN CONCEPT FREQUENCY-INVERSE DOCUMENT FREQUENCY (CF-IDF) DAN K-NEAREST NEIGHBORS (K-NN)
Klasifikasi Helpdesk Universitas Jenderal Achmad ni... (Herawan dkk.) KLASIFIKASI HELPDESK UNIVERSITAS JENDERAL ACHMAD YANI MENGGUNAKAN CONCEPT FREQUENCY-INVERSE DOCUMENT FREQUENCY (CF-IDF) DAN K-NEAREST
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI Bab ini akan membahas hal-hal yang mendasari dibuatnya aplikasi JOGIFT, arsitektur, bahasa pemrograman dan tools yang digunakan dalam pembuatan aplikasi JOGIFT. 3.1 Produk Pengertian
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 terperinciPROGRAM STUDI D III INSTRUMENTASI DAN ELEKTRONIKA
RANCANG BANGUN ALAT UKUR KECEPATAN GERAK REFLEK MENGGUNAKAN MIKROKONTROLER AT89S51 DIANTARMUKAKAN KOMPUTER TUGAS AKHIR Untuk memenuhi sebagian persyaratan menyelesaikan Pendidikan Diploma III (DIII) Disusun
Lebih terperinciABSTRAK. Kata Kunci: analisis sentimen, pre-processing, mutual information, dan Naïve Bayes. UNIVERSITAS KRISTEN MARANATHA
ABSTRAK Twitter merupakan sebuah aplikasi social networking yang memungkinkan usernya untuk dapat mengirimkan pesan pada waktu yang bersamaan. Data yang diambil melalui Twitter dapat dijadikan sebagai
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK 1. Pendahuluan Dewasa ini kesibukan masyarakat semakin lama semakin bertambah. Hal tersebut menyebabkan terbatasnya kegiatan kegiatan yang dapat dilakukan oleh masyarakat. Selain
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 terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI Bab ini akan membahas hal-hal yang mendasari dibuatnya aplikasi Futsal Track, arsitektur, bahasa pemrograman dan tools yang digunakan dalam pembuatan aplikasi Futsal Track. 3.1 Arsitektur
Lebih terperinciSKRIPSI RONNY BENEDIKTUS SIRINGORINGO
ANALISIS PERBANDINGAN PROSES CLUSTER MENGGUNAKAN K- MEANS CLUSTERING DAN K-NEAREST NEIGHBOR PADA PENYAKIT DIABETES MELLITUS SKRIPSI RONNY BENEDIKTUS SIRINGORINGO 131421021 PROGRAM STUDI S1 ILMU KOMPUTER
Lebih terperinciABSTRAK. Kata kunci : Mobile SQL, Java ME, DBMS, administrasi basisdata
ABSTRAK Sekarang ini hampir semua penyimpanan data dilakukan dengan komputersasi, salah satunya menggunakan Database Management System (DBMS). DBMS merupakan sebuah program komputer untuk mengolah dan
Lebih terperinciIDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK
IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID Disusun Oleh : Robin Yosafat Saragih (1022076) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciPENGENDALIAN PERALATAN LISTRIK MENGGUNAKAN REMOTE CONTROL TV. Disusun Oleh : Nama : Jimmy Susanto Nrp :
PENGENDALIAN PERALATAN LISTRIK MENGGUNAKAN REMOTE CONTROL TV Disusun Oleh : Nama : Jimmy Susanto Nrp : 0422119 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung,
Lebih terperinci1. Pendahuluan. Perkembangan teknologi saat ini telah memberikan pengaruh yang sangat besar bagi dunia teknologi informasi dan telekomunikasi.
PERANGKAT LUNAK LAYANAN INFORMASI PENCUCIAN KENDARAAN BERMOTOR BERBASIS MOBILE UNTUK PENGGUNA ANDROID Arif Ichsan F Teknik Informatika, Program Studi Manajemen Informatika, STMIK KOMPUTER NIAGA LPKIA BANDUNG
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN SISTEM. diusulkan dari sistem yang ada di Dinas Kebudayaan dan Pariwisata Kota
BAB IV ANALISA DAN PERANCANGAN SISTEM 4.1. Analisis Sistem yang Sedang Berjalan Pada bab ini dijelaskan mengenai prosedur yang berjalan dan yang diusulkan dari sistem yang ada di Dinas Kebudayaan dan Pariwisata
Lebih terperinciBAB I PENDAHULUAN. komunikasi suara atau pesan saja. Seiring perkembangan zaman, mobile phone
BAB I PENDAHULUAN 1.1. Latar Belakang Saat ini perkembangan mobile phone tidak hanya difungsikan sebagai alat komunikasi suara atau pesan saja. Seiring perkembangan zaman, mobile phone maupun smartphone
Lebih terperinciPERANCANGAN PERANGKAT LUNAK DRIVE TEST BERBASIS ANDROID UNTUK ANALISIS KUALITAS VOICE CALL
PERANCANGAN PERANGKAT LUNAK DRIVE TEST BERBASIS ANDROID UNTUK ANALISIS KUALITAS VOICE CALL SKRIPSI Agung Budiargo NIM 091910201095 PROGRAM STUDI STRATA 1 TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS
Lebih terperinciBAB I PENDAHULUAN 1.2. Latar Belakang Masalah
BAB I PENDAHULUAN Pada bab ini dijelaskan tujuan, latar belakang, gambaran sistem, batasan masalah, perincian tugas yang dikerjakan, dan garis besar penulisan skripsi. 1.1. Tujuan 1. Merancang dan merealisasikan
Lebih terperinciRealisasi Sistem Pemantau Kepadatan Lalu-Lintas Menggunakan Teknologi Radar RTMS G4
Realisasi Sistem Pemantau Kepadatan Lalu-Lintas Menggunakan Teknologi Radar RTMS G4 Egne Novanda / 0422028 E-mail : E.novanda@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. Drg. Suria Sumantri
Lebih terperinciBAB 1 PENDAHULUAN. GPS (Global Positioning System) merupakan sistem satelit navigasi dan penentuan posisi.
BAB 1 PENDAHULUAN 1. Pendahuluan 1.1. Latar Belakang GPS (Global Positioning System) merupakan sistem satelit navigasi dan penentuan posisi. Saat ini GPS sudah banyak digunakan orang di seluruh dunia dalam
Lebih terperinciBAB I PENDAHULUAN. cabai. Berdasarkan dari sisi produsen, akhir-akhir ini usaha tani cabai mengalami
1 BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan cabai terus meningkat setiap tahun sejalan dengan meningkatnya jumlah penduduk dan berkembangnya industri yang membutuhkan bahan baku cabai. Berdasarkan
Lebih terperinciBAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi
Lebih terperinci2 aplikasinya yaitu Find My Iphone. Aplikasi Find My Iphone ini memliki fitur seperti melihat lokasi keberadaan dari smartphone pemilik maupun sesama
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi dan komunikasi berkembang sangat pesat di era globalisasi saat ini. Teknologi informasi dan komunikasi saat ini telah menjadi bagian
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
Lebih terperinciSimulasi Pendeteksian Sinyal Target Tunggal Yang Mengalami Gangguan Pada Radar ABSTRAK
Simulasi Pendeteksian Sinyal Target Tunggal Yang Mengalami Gangguan Pada Radar Imanudin Muchtiar / 0122180 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia perdagangan, kode yang banyak dipakai adalah barcode (kode batang). Hampir semua barang yang dijual di toko grosir, department store sudah menggunakan dan
Lebih terperinciBAB 3 PERANCANGAN SISTEM DAN APLIKASI
BAB 3 PERANCANGAN SISTEM DAN APLIKASI Dalam tugas Akhir ini dikembangkan aplikasi mobile berbasis context aware dan location based service yang dinamakan dengan Mobile Surveyor. Mobile Surveyor bertujuan
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
Lebih terperinciIMPLEMENTASI METODE MARKET BASKET ANALYSIS (MBA) PADA APLIKASI E-COMMERCE STUDI KASUS ANANDA SHOP
IMPLEMENTASI METODE MARKET BASKET ANALYSIS (MBA) PADA APLIKASI E-COMMERCE STUDI KASUS ANANDA SHOP 1 RitaSaraswati, 2 Astria Hijriani, M.Kom, 3 Febi Eka Febriansyah,M.T 1 Jurusan Ilmu Komputer FMIPA Unila
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 1.1 Analisa dan Identifikasi Penjurusan mahasiswa merupakan hal krusial, dimana mahasiswa yang memilih jurusan sesuai dengan kompetensi yang dimiliki akan dikatakan berhasil
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciAplikasi Pencarian Informasi Sholat Jumat di Kota Bandar Lampung Menggunakan Location Based Service Berbasis Android
Aplikasi Pencarian Informasi Sholat Jumat di Kota Bandar Lampung Menggunakan Location Based Service Berbasis Android 1 Kurnia Muludi, 2 Feby Eka Febriansyah, 3 Alfabet Setiawan 1 Jurusan Ilmu Komputer
Lebih terperinciTAMBAL BAN. diajukan oleh Ady Nurcahaya kepada
PERANCANGAN SISTEM APLIKASI BERBASIS LOKASI BENGKEL DAN TAMBAL BAN TERDEKAT DI KABUPATEN KULONPROGO MENGGUNAKAN PLATFORM ANDROID NASKAH PUBLIKASI diajukan oleh Ady Nurcahaya 09.11.2674 kepada SEKOLAH TINGGI
Lebih terperinci1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi khususnya dibidang mobile semakin pesat, khususnya teknologi informasi dan komunikasi. Dengan perkembangan teknologi yang maju, maka
Lebih terperinciBAB I PENDAHULUAN E-15
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan semakin meningkatnya kesadaran masyarakat akan keamanan, saat ini telah banyak dikembangkan dan digunakan berbagai macam sistem keamanan. Kamera CCTV (Closed
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Sistem Monitoring dan Tracking Aktivitas Fisik User Bergerak Berbasis Sensor Accelerometer dan GPS pada Perangkat Mobile Berbasis Android Menggunakan Metode
Lebih terperinciAPLIKASI PEMETAAN JALAN WISATA PANTAI PULAU BATAM DENGAN LAYANAN LOCATION BASED SERVICE BERBASIS ANDROID. Abstrak
APLIKASI PEMETAAN JALAN WISATA PANTAI PULAU BATAM DENGAN LAYANAN LOCATION BASED SERVICE BERBASIS ANDROID Sudra Irawan, Dhamas Noprian Jurusan Teknik Informatika Politeknik Negeri Batam sudra@polibatam.ac.id
Lebih terperinciMetode Klasifikasi (SVM Light dan K-NNK. NN) Dr. Taufik Fuadi Abidin, S.Si., M.Tech. Jurusan Informatika FMIPA Universitas Syiah Kuala
Metode Klasifikasi (SVM Light dan K-NNK NN) Dr. Taufik Fuadi Abidin, S.Si., M.Tech Jurusan Informatika FMIPA Universitas Syiah Kuala www.informatika.unsyiah.ac.id/tfa Alur dan Proses Cleaning Process Dokumen
Lebih terperinci