PENGEMBANGAN SISTEM PELACAKAN SISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN) UNTUK MENGKLASIFIKASIKAN TUJUAN PERJALANAN BERDASARKAN DATA LOKASI GPS

Yuniawati, Yuniawati (2026) PENGEMBANGAN SISTEM PELACAKAN SISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN) UNTUK MENGKLASIFIKASIKAN TUJUAN PERJALANAN BERDASARKAN DATA LOKASI GPS. S2 thesis, Universitas Mercu Buana-Menteng.

	Text (COVER) 55424110008-Yuniawati-01 Cover - YUNIAWATI YUNIAWATI.pdf Download (1MB)
	Text (BAB I) 55424110008-Yuniawati-02 BAB 1 - YUNIAWATI YUNIAWATI.pdf Restricted to Registered users only Download (642kB)
	Text (BAB II) 55424110008-Yuniawati-03 BAB 2 - YUNIAWATI YUNIAWATI.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) 55424110008-Yuniawati-04 BAB 3 - YUNIAWATI YUNIAWATI.pdf Restricted to Registered users only Download (1MB)
	Text (BAB IV) 55424110008-Yuniawati-05 BAB 4 - YUNIAWATI YUNIAWATI.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) 55424110008-Yuniawati-06 BAB 5 - YUNIAWATI YUNIAWATI.pdf Restricted to Registered users only Download (630kB)
	Text (DAFTAR PUSTAKA) 55424110008-Yuniawati-08 Daftar Pustaka - YUNIAWATI YUNIAWATI.pdf Restricted to Registered users only Download (602kB)
	Text (LAMPIRAN) 55424110008-Yuniawati-09 Lampiran - YUNIAWATI YUNIAWATI.pdf Restricted to Registered users only Download (591kB)

Abstract

Sistem pemantauan mobilitas siswa semakin dibutuhkan untuk meningkatkan keselamatan, pengawasan, dan manajemen aktivitas di lingkungan pendidikan. Pendekatan pemantauan konvensional bergantung pada pengamatan manual dan tidak mampu menyediakan data mobilitas yang terstruktur, berkelanjutan, dan dapat dianalisis. Studi ini mengusulkan sistem pelacakan siswa untuk klasifikasi tujuan perjalanan menggunakan algoritma K-Nearest Neighbors (KNN) berdasarkan data lintasan Global Positioning System (GPS) spasial-temporal. Sistem ini mengumpulkan informasi lokasi dari sensor ponsel pintar, termasuk koordinat geografis dan jarak lokasi tepat. Data ini diproses menggunakan pengklasifikasi KNN untuk mengidentifikasi tujuan perjalanan siswa secara otomatis. Dataset yang digunakan dalam studi ini terdiri dari 1.959 sampel lintasan yang dikategorikan ke dalam empat kelas tujuan di lingkungan sekolah. Ekstraksi fitur spasial-temporal dan klasifikasi berbasis jarak diterapkan untuk menentukan kesamaan tujuan. Hasil eksperimen menunjukkan bahwa sistem yang diusulkan mencapai akurasi 90,8%, presisi 91,5%, recall 90,9%, dan F1-score 91,1%. Temuan ini menunjukkan bahwa KNN menunjukkan kinerja yang andal untuk klasifikasi berbasis lokasi tujuan perjalanan siswa menggunakan fitur berbasis lintasan. Sistem yang diusulkan dapat mendukung pemantauan, meningkatkan manajemen keselamatan siswa, dan memberikan informasi pendukung keputusan bagi lembaga pendidikan dalam mengelola mobilitas di lingkungan sekolah Student mobility monitoring systems are increasingly required to enhance safety, supervision, and activity management in educational environments. Conventional monitoring approaches rely on manual observation and are unable to provide structured, continuous, and analyzable mobility data. This study proposes a student tracking system for travel destination classification using the K-Nearest Neighbors (KNN) algorithm based on spatial–temporal Global Positioning System (GPS) trajectory data. The system collects location information from smartphone sensors, including geographic coordinates and pinpoint location distance. These data are processed using a KNN classifier to identify student travel destinations automatically. The dataset used in this study consists of 1,959 trajectory samples categorized into four destination classes within the school environment. Spatialtemporal feature extraction and distance-based classification are applied to determine destination similarity. Experimental results show that the proposed system achieves an accuracy of 90.8%, precision of 91.5%, recall of 90.9%, and F1-score of 91.1%. These findings demonstrate that KNN demonstrates reliable performance for location-based classification of student travel destinations using trajectory-based features. The proposed system can support monitoring, improve student safety management, and provide decision-support information for educational institutions in managing mobility within school environments.

Item Type:	Thesis (S2)
NIM/NIDN Creators:	55424110008
Uncontrolled Keywords:	Pelacakan GPS, K-Nearest Neighbors, klasifikasi lintasan, mobilitas siswa. GPS tracking, K-Nearest Neighbors, trajectory classification, student mobility.
Subjects:	600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan > 621 Applied Physics/Fisika terapan
Divisions:	Pascasarjana > Magister Teknik Elektro
Depositing User:	ARDIFTA DWI AFRIANI
Date Deposited:	18 May 2026 06:36
Last Modified:	18 May 2026 06:36
URI:	http://repository.mercubuana.ac.id/id/eprint/102181

Actions (login required)

View Item