Penentuan Kelayakan Lokasi Wifi.Id Corner Dengan AHP-PSO (Studi Kasus: Telkom Kota Kediri)

Transkripsi

1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: X Vol. 2, No. 1, Januari 2018, hlm hp://-piik.ub.ac.id Penenuan Kelayakan Lokasi Wifi.Id Corner Dengan AHP-PSO (Sudi Kasus: Telkom Koa Kediri) Ulfa Lina Wulandari 1, Dian Eka Ranawai 2, M. Ali Fauzi 3 Teknik Informaika, Fakulas Ilmu Kompuer, Universias Brawiaya 1 ulfalinaw@gmail.com, 2 dian_ilkom@ub.ac.id, 3 moch.ali.fauzi@ub.ac.id Absrak Wifi.id Corner (wico) merupakan fasilias publik inovasi dari Telkom berupa empa yang menyediakan akses inerne dengan kecepaan inggi hingga 100 Mbps. Saa ini penenuan lokasi pemasangan Wifi.id Corner Telkom Kediri dilakukan berdasarkan perimbangan dari pihak dan manaer Divisi Wireless Broadband (DWB). Sehingga sering kali mengalami kesulian dalam menenukan kelayakan lokasi pemasangan Wifi.id Corner dari beberapa lokasi yang diaukan. Hal ini disebabkan karena sulinya unuk menenukan kelayakan lokasi sera lokasi mana yang dapa memberikan manfaa yang maksimal bagi masyaraka dan bagi Telkom Kediri. Dalam menenukan kelayakan lokasi Wifi.id Corner erdapa 4 krieria yang dieapkan perusahaan yaiu, keersediaan aringan, keramaian pengguna, enis lokasi dan kepadaan Wifi.id Corner di sekiar lokasi ersebu. Unuk memecahkan masalah ersebu digunakan meode Analyic Hierarchy Process (AHP) dan Paricle Swarm Opimizaion (PSO). PSO digunakan unuk mengopimasi nilai bobo mariks perbandingan pada AHP. Panang dimensi yang digunakan ialah 6. Dimana seiap nilai dimensi mewakili nilai perbandingan iap krieria pada mariks perbandingan. Daa yang digunakan pada peneliian ini adalah daa lokasi Wifi.id Corner Telkom Kediri sebanyak 50. Dari hasil penguian diperoleh nilai raa-raa finess yang opimal yaiu 0,94 dengan parameer nilai hreshold sebesar 0,018, parikel sebanyak 250 dan ierasi seumlah 10 sehingga hasil akurasi yang diperoleh adalah 94%. Kaa kunci: penenuan lokas Wifi.id Corner, Telkom Kedir AHP, PSO Absrac Wifi.id Corner (wico) is a public faciliy of innovaion from Telkom in he form of a place ha provides inerne access wih high speed up o 100 Mbps. Currenly, he deerminaion of he locaion of Wifi.id Corner Telkom Kediri is done based on he consideraion of he paries and managers of Wireless Broadband Division (DWB). So ofen have difficuly in deermining he feasibiliy of insallaion locaion Wifi.id Corner from several proposed locaions. This is due o he difficuly o deermine he feasibiliy of locaion and which locaion can provide maximum benefis for he communiy and for Telkom Kediri. In deermining he feasibiliy of Wifi.id Corner locaion here are 4 crieria by he company. There are he availabiliy of nework, users crowded, locaion ype and densiy of Wifi.id Corner around he locaion. To solve his problem used Analyic Hierarchy Process (AHP) and Paricle Swarm Opimizaion (PSO) mehods. PSO is used o opimize he value of comparison marix weigh in AHP. The lengh of he used dimension is 6. Where each dimension value represens he comparaive value of each crieria in he comparison marix. In his research used 50 daa locaion of Wifi.id Corner Telkom Kediri. From he es resuls obained by he average finess value of 0,94 wih parameers of hreshold value of 0,018, size of paricles is 250 and number of ieraion is 10 so ha he obained accuracy is 94%. Keywords: locaion deerminaion, Wifi.id Corner, Telkom Kedir AHP, PSO 1. PENDAHULUAN Perkembangan eknologi informasi dan elekomunikasi di Indonesia yang semakin pesa membua kebuuhan akan inerne semakin meningka dan seolah inerne merupakan salah sau kebuuhan primer bagi masyaraka Indonesia. e-markeer memperkirakan pada ahun 2017 pengguna Fakulas Ilmu Kompuer Universias Brawiaya 21

2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 22 inerne di Indonesia akan mencapai 112 ua orang, mengalahkan Jepang di peringka ke-5 yang perumbuhan umlah pengguna inernenya yang idak begiu cepa ( 2014). Wifi.id Corner (wico) adalah fasilias publik inovasi dari Telkom berupa empa yang menyediakan akses inerne dengan kecepaan inggi hingga 100 Mbps. Hingga saa in Telkom elah berhasil membangun lebih dari iik akses wifi.id yang ersebar diseluruh Indonesia ( 2017). Seperi yang dilakukan Telkom Kediri unuk erus membangun dan meraakan penyebaran lokasi Wifi.id Corner di Kediri Jawa Timur. Dengan adanya Wifi.id Corner, dapa memenuhi kebuuhan masyaraka akan layanan inerne, dan enunya diharapkan dapa meningkakan pendapaan dari Telkom Kediri iu sendiri. Dalam menenukan lokasi baru pemasangan Wifi.id Corner diperlukan perimbangan-perimbangan yang maang. Saa ini penenuan lokasi baru pemasangan Wifi.id Corner dilakukan berdasarkan perimbangan dari pihak dan manaer Divisi Wireless Broadband (DWB). Sehingga dalam hal ini sering kali mengalami kesulian dalam menenukan lokasi baru pemasangan Wifi.id Corner dari beberapa lokasi yang diaukan, karena sulinya unuk menenukan kelayakan lokasi sera lokasi mana yang dapa memberikan manfaa yang maksimal bagi masyaraka dan bagi Telkom Kediri. Sulinya unuk menenukan lokasi baru Wifi.id Corner disebabkan karena unuk menenukan lokasi ersebu harus memenuhi krieria-krieria yang dieapkan perusahaan. Pada peneliian sebelumnya yang dilakukan oleh Mika Indika pada ahun 2010 dengan udul Sisem Pendukung Kepuusan Penenuan Lokasi Pembangunan Tower Base Transceiver Saion (BST) Pada PT. XL Axiaa Tbk-Medan dengan Meode Analyic Hierarchy Process (AHP), dengan menggunakan perhiungan AHP dimana masing-masing krieria dalam hal ini merupakan fakor penilaian dalam membandingkan sau kandida lokasi dengan kandida lokasi lainnya. Hasil peneliian ini berupa nilai priorias masing-masing calon lokasi ower. Peneliian lain dilakukan oleh Kudori pada ahun 2016 enang penenuan lokasi cabang usaha oko roi dengan menggunakan meode Weighed Produc (WP) dan PSO. PSO dierapkan unuk mengopimasi nilai bobo yang digunakan unuk perhiungan pada meode WP. Pada hasil penguian korelasi hubungan dari sisem didapakan sebesar Dalam mengaasi permasalahan ersebu digunakan meode AHP dan PSO. AHP digunakan sebagai penghiung bobo dari masing-masing krieria. AHP dierapkan karena memperimbangkan konsisensi logis dalam penilaian yang dipakai unuk menenukan priorias (Javanbarg e al., 2012). Sedangkan PSO digunakan unuk opimasi mariks pemboboan karena desenralisasi yang ingg kerasama anar parikel (Suzani e al., 2012), sera implemenasi yang sederhana membua PSO dapa digunakan unuk menyelesaikan permasalahan opimasi secara efisien (Alriadis & Asrowulan, 2010). 2. WIFI.ID CORNER Wifi.id adalah aringan inerne publik nirkabel yang disediakan oleh Telkom aau penyedia asa inerne yang bekera sama dengan Telkom. Wifi.id Corner (wico) adalah fasilias publik inovasi dari Telkom berupa empa yang menyediakan akses inerne dengan kecepaan inggi hingga 100 Mbps. Hingga saa in Telkom elah berhasil membangun lebih dari iik akses wifi.id yang ersebar di seluruh Indonesia ( 2017). Dalam penenuan lokasi baru pemasangan Wifi.id Corner erdapa krieria-krieria yang digunakan sebagai sandar kelayakan lokasi baru Wifi.id Corner, yaiu: a. Keersediaan aringan b. Tingka keramaian c. Jenis lokasi d. Kepadaan (densiy) 3. ANALYTIC HIERARCHY PROCESS (AHP) AHP merupakan sebuah meode yang memecah permasalahan kompleks aau rumi dengan banyak krieria dalam keadaan yang Fakulas Ilmu Kompuer, Universias Brawiaya

3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 23 idak ersrukur menadi hierarki. Mengaur bagian aau variabel menadi suau benuk susunan hierark kemudian memberikan nilai numerik unuk penilaian subekif erhadap kepeningan relaif dari seiap variabel dan mensinesis penilaian unuk variabel mana yang memilik priorias eringgi yang akan mempengaruhi penyelesaian dari keadaan ersebu (Beníez, 2012). Tahapan-ahapan dalam AHP (Pur 2015): a. Mendefinisikan masalah sera menenukan perbandingan berpasangan krieria. b. Menenukan mariks perbandingan berpasangan c. Normalisas yaiu iap nilai dalam kolom mariks dibagi dengan hasil penumlahan kolomnya. d. Menghiung Eigen Vekor (bobo priorias krieria) e. Menghiung Eigen Value (Lamda Maksimum) dengan menumlahkan hasil umlah kolom dan dibagi dengan umlah krieria. f. Menghiung CI (Consisency Index) menggunakan persamaan (1). CI = λ max n (n 1) (1) Keerangan: CI : Consisency Index λ max : nilai eigen erbesar dari mariks berordo n n : umlah krieria g. Menghiung konsisensi nilai CR (Consisency Raio) menggunakan persamaan (2). CR = CI (2) RI CR : Consisency Raio RI : Random Index Pada penenliian ini menggunakan nilai RI sebesar 0,9. Kemudian memeriksa hasil nilai CR. Jika nilai CR<0,1 maka hasilnya dapa dinyaakan konsisen. 4. PARTICLE SWARM OPTIMIZATION (PSO) PSO adalah swarm inelligence meaheurisik yang erinspirasi oleh perilaku sekelompok hewan, seperi burung dan ikan. Seperi halnya algorima geneika yang berbasis populasi dan ieraif hingga kondisi berheni erpenuhi. Pada algorima PSO, swarm merupakan umlah parikel dalam populasi pada suau algorima (Harman, 2017). Kelebihan PSO dianaranya, desenralisasi yang ingg kerasama anar parikel (Suzani e al., 2012), sera implemenasi yang sederhana membua PSO dapa digunakan unuk menyelesaikan permasalahan opimasi secara efisien (Alriadis & Asrowulan, 2010). Terdapa beberapa ahapan dalam PSO anara lain: 1. Proses inisialisasi swarm aau populasi parikel awal menggunakan persamaan (3). x = x min + rand[0,1] (x max x min ) (3) Keerangan: x min : baas bawah posisi parikel x max : baas aas posisi parikel rand[0,1]: bilangan random anara 0 sampai 1 2. Menghiung finess masing-masing parikel. 3. Menenukan Pbes dan Gbes dari seiap ierasi. 4. Menghiung kecepaan seiap parikel unuk ierasi selanunya dengan menggunakan persamaan (4). v 1 c. r 2 w. v 2 Gbes c. r 1 g, 1 x Pbes v x (4) Pada persamaan (4), merupakan kecepaan parikel ke-i pada dimensi ke- pada ierasi ke-. w merupakan bobo ineria, c 1 dan c 2 adalah koefisien akselerasi. x adalah posisi parikel ke-i pada dimensi ke- pada ierasi ke-. Pbes adalah posisi erbaik yang dicapai parikel, sedangkan Gbes g, adalah posisi erbaik dari seluruh parikel. 5. Menghiung posisi parikel unuk ierasi selanunya menggunakan persamaan (5). Fakulas Ilmu Kompuer, Universias Brawiaya

4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 24 x = x + v (5) +1 Pada persamaan (5), x adalah posisi parikel ke-i pada dimensi ke- pada ierasi +1 ke-(+1). v adalah kecepaani parikel ke-i pada dimensi ke- pada ierasi ke- (+1). 6. Kemudian, kembali ke proses perhiungan finess dan proses akan berlanu hingga pada umlah ierasi maksimum aau kondisi berheni. 5. OPTIMASI BOBOT AHP MENGGUNAKAN PSO Diagram alir opimasi AHP menggunakan PSO dapa diliha pada Gambar 1. AHP hingga diperoleh nilai bobo prorias iap krieria, seperi yang diunukkan Tabel 3. START popsize, dimens xmax, xmin Inisialisasi Kecepaan Awal Inisialisasi Posisi Awal i=0 o popsize Inisialisasi Tahapan dalam proses inisialisasi awal, yaiu inisialisasi kecepaan awal, dan inisialisasi posisi parikel. Pada ierasi ke-0 (=0) nilai kecepaan awal semua parikel adalah nol (vi, ()=0) Posisi awal parikel dibangkikan secara acak menggunakan persamaan (3) dengan panang dimensi 6 sera nilai xmax dan xmin sebesar 1 dan 9. Nilai ersebu diperoleh dari meode AHP yang memiliki nilai skala perbandingan dari 1 hingga 9. Posisi awal parikel dapa diliha pada Tabel 1. Tabel 1. Posisi Awal Parikel Masukkan nilai parikel ke mariks perbandingan Proses AHP i Hiung Finess Tenukan Pbes Tenukan Gbes Updae Posisi Updae Kecepaan 5.2 Proses AHP Krieria lokasi Wifi.id Corner dapa diliga pada Tabel 2. Tabel 2. Krieria Lokasi Wifi.id Corner Ierasi = ierasimax Ya finess[], pbes[], gbes[] Tidak END Selanunya merubah parikel menadi mariks perbandingan berpasangan yang dilanukan dengan proses perhiungan pada Gambar 1. Diagram Alir Opimasi AHP menggunakan PSO Fakulas Ilmu Kompuer, Universias Brawiaya

5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 25 Tabel 3. Nilai Bobo Priorias 5.3 Hiung Finess Dari hasil kelayakan lokas dapa dilakukan perhiungan nilai finess menggunakan akurasi (Mu asyaroh, 2016) pada persamaan (6). finess = daa benar daa x 100% (6) Proses perhiungan finess dilakukan dengan membandingkan daa hasil perhiungan menggunakan sisem dengan daa dari Telkom Kediri (daa asli). 5.4 Menenukan Pbes dan Gbes Menenukan nilai Pbes dan Gbes dilakukan dengan cara membandingkan anara Pbes pada ierasi sebelumnya dengan hasil dari updae posisi pada ierasi ke-(+1). Pbes erbaru dengan nilai finess eringgi akan menadi Gbes. Gbes yang didapa pada ierasi maksimum digunakan sebagai nilai bobo unuk mariks perbandingan pada AHP. 5.5 Updae Kecepaan dan Updae Posisi Updae kecepaan dan updae posisi dilakukan keika ierasi >0 dengan menggunakan persamaan (4) dan (5). 6. PENGUJIAN DAN ANALISIS 6.1 Penguian Nilai Threshold Penguian nilai hreshold beruuan unuk menenukan nilai hreshold erbaik yang akan digunakan dalam sisem unuk mendapakan hasil solusi erbaik. Penguian ini dilakukan sebanyak 10 kali unuk seiap nilai hreshold. Pada penguian ini menggunakan ierasi sebanyak 10 dan umlah parikel sebesar 20. Hasil penguian nilai hreshold dapa diliha pada Gambar 2. Gambar 2. Grafik Hasil Penguian Nilai Threshold Pada Gambar 2, menunukkan bahwa nilai raa-raa finess erbesar didapakan dari nilai hreshold sebesar 0,018 dengan nilai raa-raa finess 0,908. Pada nilai hreshold 0,01 sampai 0,018 nilai raa-raa finess mengalami peningkaan. Hal ini disebabkan semakin besar nilai hreshold maka semakin besar nilai finess yang dihasilkan karena nilai bobo alernaif dari hasil perhiungan yang diambil semakin banyak. Sedangkan, pada nilai hreshold mulai 0,02 nilai raa-raa finess mengalami penurunan. Hal ini disebabkan semakin besar nilai hreshold maka semakin kecil nilai finess yang dihasilkan karena nilai bobo alenaif dari hasil perhiungan yang diambil uga semakin kecil. 6.2 Penguian Banyaknya Parikel Penguian banyaknya parikel beruuan unuk menenukan umlah parikel erbaik unuk mendapakan nilai finess yang opimal. Penguian ini dilakukan sebanyak 10 kali unuk iap umlah parikel. Pada penguian ini menggunakan nilai hreshold sebesar 0,018 dan ierasi seumlah 10. Hasil penguian banyaknya umlah parikel dapa diliha pada Gambar 3. Gambar 3. Grafik Hasil Penguian Banyaknya Parikel Pada Gambar 3, menunukkan bahwa nilai raa-raa finess erkecil didapa pada umlah Fakulas Ilmu Kompuer, Universias Brawiaya

6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 26 parikel sebanyak 10 dengan nilai raa-raa finess sebesar 0,862. Nilai raa-raa finess mulai meningka pada umlah parikel 20. Hal ini menunukkan bahwa semakin banyak parikel maka nilai raa-raa finess yang dihasilkan cenderung meningka karena semakin banyak parikel berari semakin banyak pula kemungkinan solusi yang didapakan. Nilai raa-raa finess mulai menunukkan hasil yang konvergen pada umlah parikel 250 karena nilai raa-raa finess pada parikel selanunya idak mengalami kenaikan. 6.3 Penguian Jumlah Ierasi Penguian umlah ierasi dilakukan unuk mengeahui umlah ierasi yang erbaik unuk menghasilkan solusi yang opimal. Penguian ini dilakukan sebanyak 10 kali unuk iap umlah ierasi. Pada penguian ini menggunakan nilai hreshold sebesar dan parikel sebanyak 50. Hasil penguian umlah ierasi dapa diliha pada Gambar 4. Parameer yang digunakan sebagai beriku. Nilai hreshold : 0,018 Ierasi : 10 Parikel : 250 Penguian dilakukan dengan menenukan kelayakan pada iap lokasi Wifi.id Corner. Lokasi Wifi.id Corner dikaakan layak apabila hasil akhir dari perhiungan sisem melebihi nilai hreshold. Hasil kelayakan lokasi dari proses perhiungan sisem kemudian akan dibandingkan dengan daa asli. Jika hasilnya sama maka daa dianggap benar. Hasil penguian ini dapa diliha pada Tabel 4. Tabel 4. Hasil Penguian Kelayakan Lokasi Gambar 4. Grafik Hasil Penguian Jumlah Ierasi Pada Gambar 4, menuukkan bahwa nilai raa-raa finess erbesar didapakan pada ierasi ke-90 yaiu sebesar 0,936. Pada ierasi ke-100 nilai raa-raa finess mengalami penurunan yaiu menadi sebesar 0,916. Nilai raa-raa finess mulai menunukkan hasil yang konvergen pada ierasi ke-200 karena nilai raaraa finess pada ierasi selanunya idak mengalami kenaikan. 6.4 Penguian dan Analisis Sisem Penguian ini dilakukan unuk mendapakan nilai akurasi dari sisem. Penguian dilakukan dengan menggunakan parameer PSO pada penguian sebelumnya. Berdasarkan Tabel 4 erdapa 50 daa Fakulas Ilmu Kompuer, Universias Brawiaya

7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 27 lokasi yang elah diui dengan menggunakan parameer PSO. Hasil penguian menunukkan bahwa sebanyak 47 daa hasil kelayakan lokasi Wifi.id Corner sama dengan daa asli. Hal ini berari erdapa 47 daa benar, sehingga nilai akurasi yang diperoleh sebagai beriku. 47 x 100% = 94% 50 Hasil ui coba yang dilakukan ersebu menunukkan bahwa akurasi yang diperoleh ialah sebesar 94%. Tingka akurasi dipengaruhi oleh hasil kelayakan lokasi dari Wifi.id Corner. Daa dianggap benar ika hasil kelayakan dari proses perhiungan sisem sama dengan daa asli. 7. KESIMPULAN Penerapan meode AHP dan PSO dalam penenuan lokasi baru Wifi.id Corner Telkom Kediri yaiu dengan mengopimasi nilai bobo mariks perbandingan pada AHP menggunakan PSO. Panang dimensi yang digunakan ialah 6. Dimana seiap nilai dimensi mewakili nilai perbandingan iap krieria pada mariks perbandingan. Dalam proses penenuan Pbes erdapa proses AHP unuk menenukan kelayakan lokasi Wifi.id Corner yang kemudian dihiung nilai finessnya dengan akurasi. Berdasarkan penguian nilai hreshold, didapakan nilai hreshold yang paling baik unuk permasalahan penenuan lokasi baru Wifi.id Corner Telkom Kediri ialah 0,018 dengan nilai raa-raa finess sebesar 0,908 sehingga menghasilkan nilai finess yang opimal. Solusi yang didapakan dari meode AHP dan PSO unuk menyelesaikan permasalahan penenuan lokasi baru Wifi.id Corner Telkom Kediri menghasilkan nilai raa-raa finess paling opimal ialah sebesar 0,94 sehingga hasil akurasi yang diperoleh yaiu 94%. Nilai akurasi ini didapakan dengan parameer nilai hreshold sebesar 0,018, ierasi seumlah 10, dan parikel sebanyak 250. Nilai akurasi ersebu menunukkan bahwa AHP dan PSO dapa dierapkan unuk menyelesaikan masalah penenuan lokasi baru Wifi.id Corner Telkom Kediri. Peneliian selanunya dapa menggunakan krieria yang lebih banyak dengan melakukan wawancara kepada ahli dan melakukan observasi lebih lanu. 8. REFERENSI Alriadis & Asrowulan, K., Opimasi Konroler PID Berbasis Paricle Swarm Opimizaion (PSO) unuk Sisem dengan Waku Tunda. Surabaya: Polieknik Elekronika Negeri Surabaya Beníez, J., Delgado-Galván, X., Izquierdo, J., An Approach o AHP Decision In A Dynamic Conex. Valencia: Universia Poliècnica de València Harman, R., A Very Brief Inroducion o Paricle Swarm Opimizaion. [pdf] Tersedia di: < PSO.pdf> [diakses anggal 30 Mare 2017] Indika, M., Sisem Pendukung Kepuusan Penenuan Lokasi Pembangunan Tower Base Transceiver Saion (BST) Pada PT. XL Axiaa Tbk-Medan Dengan Meode Analyic Hierarchy Process (AHP). [pdf] Tersedia di: <hp://reposiory.usu.ac.id/handle/ /20465> [diakses anggal 13 Februari 2017] Javanbarg, MB., Scawhorn, C., Kiyono, J., Shahbodaghkhan, B., Fuzzy AHP- Based Mulicrieria Decision Making Sysems Using Paricle Swarm Opimizaion. Kyoo: Kyoo Universiy Kemenerian Komunikasi dan Informaika, Pengguna Inerne Indonesia Nomor Enam Dunia. [online] Tersedia di: <hps:// conen/deail/4286/pengguna-inerneindonesia-nomor-enam-dunia/0/ soroan_media> [diakses 10 Februari 2017] Kudor DS., Penenuan Lokasi Cabang Usaha Toko Roi dengan Meode Weighed Produc dan Opimasi Bobo dengan Meode Paricle Swarm Fakulas Ilmu Kompuer, Universias Brawiaya

8 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 28 Opimizaion. Malang: Universias Brawiaya Mu asyaroh, Implemenasi Algorima Geneika Dalam Opimasi Model AHP dan Topsis Unuk Penenuan Kebenaran Pengisian Bibi Ayam Boiler di Kandang Peernak. Malang: Universias Brawiaya Pur AMDA., Mahmudy, WF., Cholissodin, I., Opimasi Model Fuzzy AHP dengan Menggunakan Algorima Evoluion Sraegies (Sudi Kasus Pemilihan Calon Penerima Beasiswa PTIIK Universias Brawiaya). Malang: Universias Brawiaya Suzani e al., Swarm Inelligence. Yogyakara: Universias Gadah Mada Wifi.id Indonesia WIFI.ID, Wifi.id Corner. [online] Tersedia di: <hps:// [diakses 10 Februari 2017] Fakulas Ilmu Kompuer, Universias Brawiaya