Electronic Theses and Dissertation

Di universitas syiah kuala (usk), kehadiran wajib bagi mahasiswa dan dosen. dosen wajib melakukan absensi sebagai bukti telah berlangsungnya perkuliahan, dan mahasiswa wajib hadir minimal 75% dari total kehadiran untuk dapat mengikuti ujian akhir. pada tahun 2019, telah dibangun suatu aplikasi perkuliahan yang menggunakan teknologi ips yang didukung oleh klasifikasi k-nn. namun, hasil dari aplikasi ini menunjukkan bahwa akurasinya masih rendah dan waktu eksekusinya masih terlalu lama. sehingga, untuk meningkatkan performa dari aplikasi ini, penelitian ini dilaksanakan, dimana jumlah data ditingkatkan dari penelitian sebelumnya dan metode klasifikasi diubah dari k-nn ke svm. dengan menggunakan svm diharapkan dapat meningkatkan akurasi dan waktu eksekusi. peningkatan data dilakukan dengan cara menambahkan lebih banyak suar bluetooth low energy (ble) di ruangan. sebuah aplikasi android dibangun untuk mencatat kehadiran dosen dan mahasiswa. aplikasi ini telah diuji menggunakan black-box testing. aplikasi berhasil melakukan tugas yang diperlukan. kegunaan aplikasi ini diuji dengan menggunakan system usability scale (sus). aplikasi sisi dosen mendapat skor 83,9 dan aplikasi sisi mahasiswa mendapat skor 78,5.

In Syiah Kuala University (SKU), attendance is required for both students and lecturers. Lecturers are required to have their attendance taken as a proof that the class has taken place, and students are required to attend a minimum of 75% of the total attendance in order to take the final exam. An application was built in 2019 that records such attendance. This application used Indoor Positioning System (IPS) technology using KNN classification method. However, the results of this method are still lacking due to the low accuracy rate and longer execution time. For this reason, improving the application is important that will increase the accuracy of the positions for both lecturers and students as well as faster execution times. In order to do this, the number of datasets are increased and the classification method is changed from KNN to Support Vector Machine (SVM). By using SVM, it is expected to improve both the accuracy and execution time. Increased datasets are achieved by adding more Bluetooth Low Energy (BLE) beacons in the rooms. An android application was built to record the lecturers and students attendance. This application was black box tested. The application successfully performed the necessary tasks. The usability of this application was tested using System Usability Scale (SUS). The lecturer’s side of the application received a score of 83,9 and the student’s side of the application received a score of 78,5.