DSpace logo

Please use this identifier to cite or link to this item: https://repository.uksw.edu/handle/123456789/12864
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorYohanes, Banu Wirawan-
dc.contributor.advisorWardana, Hartanto Kusuma-
dc.contributor.authorRusli, Samuel Yanuar-
dc.date.accessioned2017-11-01T04:40:38Z-
dc.date.available2017-11-01T04:40:38Z-
dc.date.issued2016-
dc.identifier.other622010006-
dc.identifier.other16062782-
dc.identifier.urihttp://repository.uksw.edu/handle/123456789/12864-
dc.descriptionTidak diijinkan karya tersebut diunggah ke dalam aplikasi Repositori Perpustakaan Universitas dikarenakan pada scan lembar pengesahan tidak dicantumkan cap fakultas.id
dc.description.abstractReceived Signal Strength (RSS) saat ini sedang menjadi metode menarik yang digunakan pada prediksi lokasi. Penggunaan RSS ini memiliki kelebihan jika dibandingkan dengan beberapa metode lainnya seperti Radio Frequency Identifiers (RFID), sensor ultrasonik, WiMAX, ataupun Bluetooth yang membutuhkan alat tambahan dalam penggunaannya. Adapun beberapa kelebihan dari pengunaan RSS antara lain seperti tidak dibutuhkannya sinkronisasi antara transmitter dan receiver, dan memungkinkan pengerjaan tanpa adanya peralatan tambahan. Secara garis besar, terdapat dua fase pada proses prediksi lokasi yang dibuat yaitu fase online dan offline. Pada fase offline dilakukan proses training data untuk membentuk database fingerprint. Database fingerprint ini digunakan untuk menyimpan data pada titik-titik koordinat yang diletakkan pada Gedung C Fakultas Teknik Elektronika dan Komputer UKSW. Data diambil dari tiga buah RSS masing-masing dari tiga Access Point (AP) pada setiap pengambilan data. Fase online yang disebut juga fase testing digunakan untuk menguji database fingerprint yang telah dibentuk pada fase offline. Pada fase ini akan dilakukan pengujian data dengan melihat rata-rata error antara jarak titik koordinat sebenarnya dengan titik koordinat hasil prediksi. Dari beberapa tahap pengujian didapatkan hasil maksimal dari prediksi lokasi dengan menggabungkan data dari database fingerprint yang didapat dari log Netsurveyor dan dari software yang dibuat. Dengan 1157 data training dan 55 data pengujian, rata-rata error jarak dapat ditekan hingga 2,99m. Penyebab dari prediksi yang kurang baik disebabkan oleh kurangnya variasi pengambilan data dengan kondisi hari yang beragam.id
dc.description.abstractReceived Signal Strength (RSSI) is currently becoming an interesting method used in the location prediction. The use of RSS has several advantages compared with other methods such as Radio Frequency Identifiers (RFID), ultrasonic sensors, WiMAX, or Bluetooth which need additional tools in use. The advantages of using the RSS are no need for synchronization between the transmitter and receiver, and allows construction without additional equipment. There are two phases belong to the location prediction process, online phase and offline phase. In the offline phase carried out the data training process to form a fingerprint database. The fingerprint database is used to store data in the coordinate points within the C Building of Faculty of Electronics Engineering and Computer SWCU. Data were taken from 3 kind of RSSes for each from 3 Access Points(APs) on every data retrieval. In the online phase, also called the testing phase, is used to test the fingerprint database that has been formed in the offline phase. This phase will test the data by looking at the average error between the actual distance of the point coordinates and the coordinates of the prediction results. In several stages of data testing showed a maximum result of the location prediction by combining the data from the fingerprint database obtained from log Netsurveyor and software created. With 1157 training data and 55 testing data, the mean error distance can be reduced to 2,99 m. The cause of the bad predictions due to the lack of variety of data retrieval with the varied conditions.en_US
dc.language.isoidid
dc.publisherProgram Studi Sistem Komputer FTEK-UKSWid
dc.titlePrediksi Lokasi Laptop dalam Gedung C Lantai Dasar Menggunakan RSS dan Algoritma Naïve Bayesid
dc.typeThesisen_US
Appears in Collections:T1 - Computer Systems

Files in This Item:
File Description SizeFormat 
T1_622010006_BAB I.pdf
  Restricted Access
BAB I381.07 kBAdobe PDFView/Open Request a copy
T1_622010006_BAB II.pdf
  Restricted Access
BAB II516.82 kBAdobe PDFView/Open Request a copy
T1_622010006_BAB III.pdf
  Restricted Access
BAB III1.51 MBAdobe PDFView/Open Request a copy
T1_622010006_BAB IV.pdf
  Restricted Access
BAB IV1.43 MBAdobe PDFView/Open Request a copy
T1_622010006_BAB V.pdf
  Restricted Access
BAB V220.47 kBAdobe PDFView/Open Request a copy
T1_622010006_Daftar Pustaka.pdf
  Restricted Access
Daftar Pustaka188.98 kBAdobe PDFView/Open Request a copy
T1_622010006_Judul.pdfHalaman Judul1.35 MBAdobe PDFView/Open
T1_622010006_Lampiran.pdf
  Restricted Access
Lampiran2.18 MBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.