LIVE K-MEANS CLUSTERING PADA WIRELESS SENSOR NETWORK MENGGUNAKAN GOOGLE MAPS API

Rahmadhani, Rafi Hanif and Rozi, Imam Fahrur and Asmara, Rosa Andrie (2021) LIVE K-MEANS CLUSTERING PADA WIRELESS SENSOR NETWORK MENGGUNAKAN GOOGLE MAPS API. Diploma thesis, Teknologi Informasi.

	Text Bab VII.pdf Download (5kB)
	Text Bab IV.pdf Download (409kB)
	Text Bab V.pdf Download (507kB)
	Text Bab II.pdf Download (259kB)
	Text Bab III.pdf Download (42kB)
	Text Bab VI.pdf Download (396kB)
	Text Bab I.pdf Download (84kB)
	Text Lampiran.pdf Download (196kB)
	Text Cover.pdf Download (938kB)
	Text Daftar Pustaka.pdf Download (76kB)

Abstract

Suhu dan kelembaban merupakan salah satu indikator kenyamanan dalam hidup manusia. Tak hanya kenyamanan tetapi suhu dan kelembaban sangat berpengaruh dalam produktivitas dan kesehatan hidup manusia. Alangkah baiknya jika kita melakukan pemantauan dua nilai tersebut dengan penggunaan perangkat Wireless Sensor Network (WSN) sebagai alat penghimpun data yang praktis. Setelah data dihimpun dan di database, diperlukan sebuah platform untuk menampilkan data yang telah dihimpun dan melakukan pengelompokan wilayah berdasarkan suhu, kelembaban serta lokasi yang telah didapatkan. Untuk mempermudah pemantauan hasil penghimpunan data oleh sensor maka penulis membuat sistem Live K-Means clustering untuk melakukan pengelompokannya dan penggunaan Google Maps API untuk mempermudah visualisasi lokasi penyebaran Wireless Sensor Network(WSN). Dari hasil evaluasi klaster pada klaster 3 mendapatkan nilai 0.096201 dan silhouette coefficient dengan nilai 0.43026 merupakan hasil yang optimal karena pada perhitungan silhouette coefficient, kluster 4 dan 5 mendapatkan nilai dibawah 0 yang kemungkinan memiliki kemiripan karakteristik antara kluster. Dari penggunaan klaster dengan jumlah 3 hasil klaster memiliki keunikan karak�teristik klaster yang cukup baik dan memiliki kemiripan karakteristik antar anggota klaster paling optimal pada kluster 3 untuk mengelompokkan tingkat kenyamanan dari data yang diperoleh Wireless Sensor Network

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	K-Means Clustering, Wirelless Sensor Network, Google Maps
Subjects:	A Computer Science > Information Science A Computer Science > Applied Computer Science
Depositing User:	Rafi Hanif Rahmadhani
Date Deposited:	14 Mar 2024 03:27
Last Modified:	14 Mar 2024 03:27
URI:	http://repota.jti.polinema.ac.id/id/eprint/733

Actions (login required)

View Item