IMPLEMENTASI ALGORITMA K NEAREST NEIGHBOR (KNN) PADA SISTEM ABSENSI BERBASIS RFID

Muhammad Zikrillah, Ahmad Fali Oklilas

Abstract


Sistem absensi merupakan suatu pendataan kehadiran dari bagian aktifitas yang dilaporkan dalam sebuah institusi. Algoritma K-Nearest Neighbor (KNN) dapat diimplementasikan untuk melakukan sistem absensi berbasis RFID. Pada alat RFID terdapat tag, reader dan PC yang digunakan untuk mengambil nilai RSSI guna mengetahui posisi dari objek yang telah dipasangi tag. Setiap tag memiliki id unik untuk memberikan informasi pada reader agar dapat mengenali lokasinya dengan mudah. Hasil dari penelitian paper ini menghasilkan nilai rata-rata error sebesar 4,67126 cm dengan nilai minimum error 0,4320 cm dan nilai maksimum error 8,6655 cm.

Keywords


RFID; K-Nearest Neighbor (KNN); RSSI

Full Text:

PDF

References


] Zheng Jiali, Tuanfa Qin, Jieming Wu and Li Wau, “RFID Indoor Localization Based on Relational Aggregation”, Chang Mai, Thailand, pp.41-44, 2016.

] Adege Belay Abebe, Hsin-piao Lin, Yirga Yeayeh, Lei yen, Getaneh Berie, and Yun Ruei Li, “Indoor Localization Using K-nearest Neighbor and Artificial Neural Network Back Propagation Algorithms”WOCC, 2018.

] Putra Adam Surya, Prima Kristalina, dan Amang Sudarsono, “Aplikasi Indoor Secured-Localization System Menggunakan Jaringan Sensor Nirkabel untuk Koordinasi Pasukan PMK pada Kondisi Darurat Kebakaran di dalam Gedung”, pp.C22-C30,2016.

] Rerungan Juprianto, Deny Wira Nugraha, dan Yusuf Anshori, “SISTEM PENGAMAN PINTU OTOMATIS MENGGUNAKAN RADIO FREQUENCY IDENTIFICATION (RFID) TAG CARD DAN PERSONAL IDENTIFICATION NUMBER (PIN) BERBASIS MIKROKONTROLER AVR ATMEGA128”,Universitas Tadulako,2014.

] Setiawan Eko Budi, Bobi Kurniawan, “ Perancangan Sistem Absensi Kehadiran Perkuliahan dengan Menggunakan Radio Frequency Identification (RFID)”, Universitas Komputer Indonesia, 2015.

] Zafari Faheem, and Athanasios, “A Survey of Indoor Localization Systems and Technologies”,IEEE, 2018.

] Rohman Abdul, “MODEL ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI KELULUSAN MAHASISWA”, Universitas Pandanaran, Semarang.


Refbacks

  • There are currently no refbacks.