Robot penunjuk lokasi berbasis indoor positioning system

Haryanto, Dhanny Kurniawan (2017) Robot penunjuk lokasi berbasis indoor positioning system. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	Text halaman awal.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text bab i.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (591kB) | Preview
Preview	Text bab ii.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text bab iii.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text bab iv.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text bab v.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (739kB) | Preview
Preview	Text daftar pustaka.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (868kB) | Preview
	Text lampiran.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)

Abstract

Robot penunjuk lokasi dibangun dengan Indoor Positioning System (IPS). Robot menggunakan dua metode IPS yang akan dibandingkan akurasinya. Metode pertama adalah Earth’s Magnetic Fingerprint yang dibangun dengan besaran magnet bumi yang didapat dari sensor HMC8553L. Metode lainnya adalah Received Signal Strength (RSS) dari Wireless Fidelity (WiFi) yang diukur dengan NodeMCU dengan referensi Access Point (AP) yang ada di lokasi. Perangkat smartphone Android digunakan untuk menerima data besaran magnet bumi dan RSS yang akan diolah menjadi lokasi dan ditampilkan pada layar. Perangkat ini juga menggunakan SQLite untuk menyimpan data Magnet Fingerprint dan MAC dari AP beserta lokasinya. Algoritma yang digunakan untuk menentukan lokasi dengan metode magnet fingerprint adalah K-Nearest Neighbors (KNN) dan first position sedangkan untuk WiFi RSS adalah algoritma Multilateration. Uji coba dilakukan dengan melihat perbedaan lokasi yang terbaca oleh robot dengan lokasi yang seharusnya pada kedua metode IPS yang digunakan. IPS metode magnetic fingerprint dengan 36 data setiap 1.44m2 menghasilkan kesalahan sebesar 4.08m untuk first position dan 4.09m untuk KNN. Pada IPS yang menggunakan metode WiFi RSS, penggunaan n=1.8 menghasilkan kesalahan sebesar 10.7m, sedangkan n=2 sebesar 10.92m. Dari data yang didapatkan tersebut, metode IPS yang menggunakan magnet fingerprint memiliki akurasi yang lebih baik dibandingkan GPS dan WiFi RSS.

Item Type:	Thesis (Bachelor Thesis)
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 000 Computer Science, Information and General Works 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware 600 Technology (Applied Sciences) > 620 Engineering > 629 Other Branches of Engineering (Aerospace, Aviation, Astronautics, Robotics)
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
Depositing User:	Administrator UMN Library
Date Deposited:	22 Jan 2019 03:08
Last Modified:	22 Feb 2022 05:43
URI:	https://kc.umn.ac.id/id/eprint/4802

Actions (login required)

View Item