Implementasi Metode Klasifikasi Fuzzy K‐Nearest Neighbor (FK‐NN) Untuk Fingerprint Access Point Pada Indoor Positioning

Billyan, Baiq Findiarin (2017) Implementasi Metode Klasifikasi Fuzzy K‐Nearest Neighbor (FK‐NN) Untuk Fingerprint Access Point Pada Indoor Positioning. Sarjana thesis, Universitas Brawijaya.

Abstract

Positioning adalah sebuah teknik yang digunakan untuk menentukan posisi suatu objek, dsb. Dalam penentuan posisi tersebut dapat dilakukan dengan melakukan pengukuran dari sisi objek itu sendiri. Dalam positioning terdapat dua jenis teknik yaitu outdoor positioning dan indoor positioning. Sebuah contoh sistem yang dapat digunakan untuk mengukur posisi diluar ruangan yaitu Global Positioning System (GPS). GPS merupakan teknologi yang sangat umum diketahui saat ini untuk mengetahui sebuah posisi dan sebagai penunjuk arah untuk perpindahan posisi objek melalui sinyal dari satelit. GPS dapat memberikan perkiraan posisi yang baik dalam lingkungan luar ruangan, tetapi sinyalnya sangat lemah apabila digunakan pada lingkungan tertutup/dalam ruangan. Berdasarkan hal tersebut kemudian berkembang teknologi yang berfungsi untuk mengetahui posisi suatu objek di dalam ruangan 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 melakukan pengumpulan data training terlebih dahulu sebagai dasar untuk klasifikasi, kemudian diberikan label. Setelah itu membuat classifier berdasarkan data training. Setelah itu peneliti mengukur ulang sebagai data testing untuk menguji akurasinya dengan metode klasifikasi K‐Nearest Neighbor (K‐NN) dan Fuzzy KNearest Neighbor (FK‐NN), dan untuk mempermudah mengakses classifier yang telah dibuat maka penulis memanfaatkan web service. Hasil pengujian posisi client memberikan tingkat akurasi pada metode K‐NN dengan nilai untuk k=1 memiliki nilai mencapai 96%, untuk k=2 sampai dengan k=7 memiliki nilai mencapai 76%, dan untuk k=8 sampai dengan k=10 memiliki nilai mencapai 73%. Sedangkan, pada metode FK‐NN dengan nilai untuk k=1 dan k=2 memiliki nilai mencapai 96%, untuk k=3 sampai dengan k=8 memiliki nilai mencapai 76%, untuk k=9 memiliki nilai mencapai 73%, dan untuk k=10 memiliki nilai 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.

English Abstract

Positioning is a technique used to determine the position of an object, etc. In the positioning can be done by measuring from the side of the 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 remeasure 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 point on Indoor Positioning has an enough accuracy level than the K‐NN method.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2017/287/051705327
Uncontrolled Keywords:	Indoor Positioning, Fuzzy K‐Nearest Neighbor (FK‐NN), Fingerprint, Klasifikasi
Subjects:	000 Computer science, information and general works > 006 Special computer methods > 006.4 Computer pattern recognition
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Yusuf Dwi N.
Date Deposited:	28 Jul 2017 07:55
Last Modified:	06 Oct 2020 02:23
URI:	http://repository.ub.ac.id/id/eprint/795

Text Baiq Findiarin Billyan.pdf Download (2MB)

Actions (login required)

View Item