Abstrak—Saat ini kebutuhan masyarakat akan informasi lokasi Neighbor), teknik triangulasi, teknik trilaterasi, dan
sangat tinggi, terutama dengan memanfaatkan teknologi teknologi sebagainya. Dari penelitian yang sudah ada, clustering KNN
GPS. Teknologi GPS saat ini sudah sangat maju untuk mencari menghasilkan akurasi paling tinggi untuk masalah deteksi
tahu lokasi di luar ruangan tetapi untuk di dalam ruangan sistem lokasi, tetapi masih sering terdapat beberapa hasil yang tidak
ini memiliki akurasi yang rendah, apalagi untuk ruangan/gedung sesuai. Salah satu faktor yang menyebabkan ditemuinya hasil
yang besar. Oleh karena itu, sebuah sistem yang lebih akurat
error pada penelitian tersebut adalah jumlah access point yang
untuk memberikan solusi bagi pendeteksian lokasi di dalam
ruangan atau gedung yang memiliki lebih dari satu level lantai kurang mencukupi untuk uji coba ataupun persebaran lokasi
dikembangkan dengan konsep 3D Indoor Positioning System. access point yang tidak merata sehingga mempersulit analisis
Untuk meminimalisir penurunan akurasi Indoor Positioning data.
System karena minimnya jumlah access point atau persebaran Dalam tugas akhir ini, Indoor Positioning System berbasis Wi-
access point yang kurang merata, maka dalam penelitian ini akan Fi akan digunakan untuk menentukan posisi menggunakan
ditambahkan access point di lokasi yang memiliki akses sinyal Wi- kekuatan sinyal dari beberapa Wi-Fi yang ada di dalam
Fi lemah setelah dilakukan evaluasi dari data sampel kondisi ruangan. Dalam penelitian ini akan ditambahkan access point
terkini access point di Gedung Teknik Informatika. Uji coba di beberapa ruangan yang memiliki kekuatan akses sinyal Wi-
dilakukan dengan cara melakukan perbandingan hasil akurasi
Fi lemah untuk mengantisipasi penurunan akurasi Indoor
dari pengujian di beberapa lokasi kampus Teknik Informatika
ITS ketika sebelum dilakukan penambahan access point dan Positioning System yang disebabkan karena minimnya jumlah
ketika sesudah dilakukan penambahan access point. Setelah access point atau persebaran access point yang kurang merata.
dilakukan penambahan access point di beberapa titik lokasi yang Hasil penangkapan sinyal RSSI (Received Signal Strength
memiliki cakupan sinyal Wi-Fi lemah, dihasilkan akurasi yang Indication) akan diproses dengan clustering Filtered K-Nearest
meningkat hingga 16,67%, dari akurasi semula 78,70% menjadi Neighbors. Kemudian hasilnya akan dibandingkan dengan hasil
95,36% untuk seluruh titik uji coba pada gedung kampus. Selain percobaan ketika belum ditambahkan access point. Model
itu juga penambahan access point berhasil meningkatkan akurasi lokasi yang digunakan adalah Gedung Teknik Informatika ITS.
9 ruangan dari total 23 ruangan yang diuji secara signifikan
(meningkat di atas 20%), terutama di daerah sekitar penambahan
access point. II. TINJAUAN PUSTAKA
Kata Kunci—Android, Access Point, Aplikasi Perangkat A. Location Based Service (LBS)
Bergerak, Indoor Positioning, Layanan Berbasis Lokasi, Wi-Fi Location Based Service atau layanan berbasis lokasi adalah
layanan informasi yang dapat diakses dengan perangkat mobile
I. PENDAHULUAN melalui jaringan selular dan memanfaatkan kemampuan untuk
menggunakan lokasi pada perangkat mobile [1].
Kemudian hasil yang didapatkan adalah informasi lokasi 𝑥1 = sumbu koordinat x pada titik ke-1.
pengguna seperti: nama ruangan atau area lokasi keberadaan 𝑥2 = sumbu koordinat x pada titik ke-2.
pengguna serta tingkat lantai dari lokasi tersebut [2]. 𝑦1 = sumbu koordinat y pada titik ke-1.
Sistem ini sudah dikembangkan pada studi kasus pada
Gedung Teknik Informatika ITS. Sistem memberikan performa 𝑦2 = sumbu koordinat y pada titik ke-2.
yang baik untuk seluruh test area pada hampir setiap lokasi uji Tabel 1.
coba. Tetapi ada beberapa lokasi uji coba yang mendapatkan Parameter Kekuatan Sinyal Wi-Fi
hasil kurang baik dikarenakan lokasi tersebut tidak tercakup Tingkat Kuat Nilai Kuat
Kategori
Sinyal (bar sinyal) Sinyal (dBm)
sinyal access point yang memadai.
5 Excellent > -60
D. Android Studio 4 Good -60 s/d -70
3 Fair -71 s/d -80
Android Studio [3] adalah sebuah IDE untuk Android 2 Bad -81 s/d -90
Development yang diperkenalkan Google pada acara Google 1 Very Bad < -90
I/O 2013. Android Studio merupakan pengembangan dari
Eclipse IDE, dan dibuat berdasarkan IDE Java populer, yaitu oleh Euclid seorang matematikawan dari Yunani untuk
IntelliJ IDEA. Android Studio merupakan IDE resmi untuk mempelajari hubungan antara sudut dan jarak. Teori ini
pengembangan aplikasi Android. berkaitan dengan Teorema Pythagoras dan biasanya diterapkan
Sebagai pengembangan dari Eclipse, Android Studio pada titik 1 dan 2 dimensi. Teori Euclidean distance
mempunyai banyak fitur-fitur baru dibandingkan dengan didefinisikan pada (1).
Eclipse IDE. Berbeda dengan Eclipse yang menggunakan Ant,
I. Parameter Kekuatan Sinyal Wi-Fi
Android Studio menggunakan Gradle sebagai build
environment. Kualitas sinyal Wi-Fi [8] dapat dikategorikan berdasarkan
kualitasnya seperti pada Tabel 1.
E. Microsoft SQL Server
J. Algoritma Clustering Filtered K-Nearest Neighbors (CFK)
Microsoft SQL Server [4] adalah sebuah sistem manajemen
basis data relasional (RDBMS) dari Microsoft. Bahasa query Clustering Filtered k-Nearest Neighbors (CFK) [9]
utamanya adalah Transact-SQL yang merupakan implementasi merupakan gabungan antara klasifikasi KNN (k-Nearest
dari SQL standar ANSI/ISO yang digunakan oleh Microsoft Neighbors) dan Hierarchical Clustering. CFK menggunakan
dan Sybase. Umumnya SQL Server digunakan di dunia bisnis teknik pengelompokan dalam pembagian tetangga menjadi
yang memiliki basis data berskala kecil sampai dengan beberapa kelompok dan hanya satu kelompok yang digunakan,
menengah, tetapi kemudian berkembang dengan digunakannya sementara yang lain dikeluarkan. Berikut merupakan tahapan-
SQL Server pada basis data besar. tahapan algoritma Clustering Filtered k-Nearest Neighbors:
1. Pada ruang sampel S, dilakukan klasifikasi KNN dengan
F. Wireless Access Point nilai k yang sudah ditentukan, lalu ditemukan kumpulan
Dalam jaringan komputer, wireless access point (titik akses sampel K terdekat berdasarkan jaraknya (dengan Euclidean
nirkabel) adalah suatu piranti yang memungkinkan piranti Distance) yang dinamakan K_SetL.
nirkabel untuk terhubung ke dalam jaringan dengan 2. Menerapkan algoritma Hierarchical Clustering pada
menggunakan Wi-Fi, Bluetooth, atau standar lain. Wireless K_SetL, yaitu mencari sepasang sampel dengan nilai
access point biasanya tersambung ke suatu router (melalui distance terdekat, lalu menggabungkannya menjadi satu
kabel) sehingga dapat meneruskan data antara berbagai cluster. Proses tersebut dilakukan terus menerus hingga
perangkat nirkabel (seperti komputer atau printer) dengan nilai distance pada semua cluster tidak ada yang di bawah
jaringan berkabel pada suatu jaringan. Standar yang diterapkan threshold.
untuk wireless access point ditetapkan oleh IEEE dan sebagian 3. Dari beberapa cluster yang telah diproses, akan diterapkan
besar menggunakan IEEE 802.11 [5]. aturan sebagai berikut:
a. Ambil jarak cluster yang paling dekat.
G. Wi-Fi
b. Jika terdapat cluster terdekat dengan jarak yang sama
Wi-Fi adalah teknologi jaringan nirkabel yang lebih dari satu, maka ambil cluster yang memiliki anggota
memungkinkan komputer dan perangkat lain untuk data sample yang lebih banyak.
berkomunikasi melalui sinyal nirkabel. Ini menggambarkan 4. Menurut aturan tersebut, pilih salah satu cluster yang
komponen jaringan yang berbasis pada salah satu standar menjadi wakil dari semua cluster, yang akan disebut sebagai
802.11 yang dikembangkan oleh IEEE dan diadopsi oleh Wi-Fi cluster C atau delegated cluster.
Alliance [6]. 5. Hitung rata-rata posisi koordinat dari semua sampel di
H. Teori Euclidean Distance dalam C sebagai perkiraan lokasinya.
Euclidean distance [7] adalah perhitungan jarak dari 2 buah
titik dalam Euclidean Space. Euclidean space diperkenalkan