Perbandingan Metode-Metode Klasifikasi untuk Indoor Positioning System

Lukito, Yuan; Chrismanto, Antonius Rachmat

doi:10.28932/jutisi.v1i2.373

Cited by 14 publications

(17 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Hasil akurasi yang didapatkan dari hasil pengujian tersebut masih lebih rendah jika dibandingkan dengan metode-metode lain yang telah dilakukan dari penelitian sebelumnya [10]. Perbandingan tingkat akurasi yang didapatkan dapat dilihat pada Gambar 8.…”

Section: Tabel 1 Format Dataset Rrs Wi-fiunclassified

“…Hasil percobaan secara keseluruhan Gambar 8. Perbandingan hasil percobaan dengan penelitian sebelumnya [10] dengan metode KNN yang digunakan pada penelitian sebelumnya. Untuk perbaikan di masa mendatang disarankan untuk melakukan percobaan tambahan dengan mengubah nilai parameter-parameter yang digunakan atau menggunakan arsitektur jaringan syaraf tiruan lainnya.…”

Section: Kesimpulanunclassified

See 1 more Smart Citation

Multi Layer Perceptron Model for Indoor Positioning System Based on Wi-Fi

Lukito

2017

Jurnal Teknologi dan Sistem Komputer

Self Cite

View full text Add to dashboard Cite

Indoor positioning system issue is an open problem that still needs some improvements. This research explores the utilization of multi layer perceptron in determining someone’s position inside a building or a room, which generally known as Indoor Positioning System. The research was conducted in some steps: dataset normalization, multi layer perceptron implementation, training process of multi layer perceptron, evaluation and analysis. The training process has been conducted many times to find the best parameters that produces the best accuracy rate. The experiment produces 79,16% as the highest accuracy rate. Compared to previous research, this result is comparably lower and needs some parameters tweaking or changing the neural networks architectures.Masalah penentuan posisi di dalam ruangan masih memerlukan banyak perbaikan. Penelitian ini mencoba melakukan eksplorasi terhadap penggunaan multi layer perceptron untuk penentuan posisi seseorang di dalam gedung atau ruangan, yang lebih dikenal dengan istilah Indoor Positioning System. Penelitian ini dilaksanakan dalam beberapa tahap yaitu normalisasi dataset, implementasi multi layer perceptron, pelatihan multi layer perceptron dan proses pengujian serta analisis. Proses pelatihan dilakukan beberapa kali untuk menemukan parameter-parameter yang menghasilkan akurasi terbaik. Dari hasil percobaan yang dilakukan didapatkan tingkat akurasi terbaik sebesar 79,16%. Hasil tersebut masih lebih rendah jika dibandingkan dengan hasil penelitian sebelumnya, sehingga memerlukan perubahan pengaturan parameter atau pengubahan arsitektur jaringan syaraf tiruan yang digunakan.

show abstract

Section: Tabel 1 Format Dataset Rrs Wi-fiunclassified

Section: Kesimpulanunclassified

Multi Layer Perceptron Model for Indoor Positioning System Based on Wi-Fi

Lukito

2017

Jurnal Teknologi dan Sistem Komputer

Self Cite

View full text Add to dashboard Cite

show abstract

“…Tahap pengumpulan data telah lebih dahulu dilakukan pada penelitian sebelumnya oleh dosen dari UKDW [1]. Hasil yang diperoleh adalah 11658 data kumpulan sinyal WiFi dari 177 AP yang tersebar di 11 gedung di UKDW.…”

Section: Pendahuluanunclassified

“…IPS adalah suatu sistem yang dapat menentukan posisi seseorang di dalam suatu ruangan tertutup/gedung [1]. Tidak hanya itu, IPS juga mampu menentukan orientasi dan arah pergerakan sesorang [2].…”

Section: A Indoor Positioning System (Ips)unclassified

“…KNN telah digunakan sejak tahun 1970 dalam perkiraan statistik dan pengenalan pola [9]. KNN merupakan salah satu metode klasifikasi instance-based learning, menggunakan pendekatan supervised-learning sehingga membutuhkan data pelatihan yang sudah dilabeli [1]. Berdasarkan data latih tersebut, satu titik dapat diklasifikasikan dengan cara menghitung jarak terdekat dengan k-tetangga terdekat di class sekitarnya.…”

Section: K-nearest Neighbor (Knn)unclassified

See 1 more Smart Citation

Indoor Positioning System dengan Algoritma K-Means dan KNN

Suryanto

Rachmat

Lukito

2016

JuTISI

Self Cite

View full text Add to dashboard Cite

Indoor Positioning System (IPS) can determine someone's position inside a building. The common method used is implemented by WiFi signal strength analysing. This paper discusses about how to do IPS using K-Means and K-Nearest Neighbor (KNN) method, that also analyze the accuracy. K-Means is used to cluster dataset. Each data in certain cluster then classified using KNN method. The dataset consists of 11658 Received Signal Strength (RSS) from 177 Access Point (AP) in UKDW. Accuracy of system is analyzed using 10-fold Cross Validation method which is applied in a range of k=2 to k=11 for clusterization process, then k=1 to k=5 for classification process. Based on the experiment results, system can determine someone's position with 88.49% accuracy which k optimum is 10 for clusterization process, and k=1 for classification process.

show abstract