WLAN berbasis IEEE 802.11 merupakan teknologi yang telah banyak diaplikasikan di berbagai tempat, mulai dari kampus hingga gedung-gedung perkantoran. Keberadaan teknologi ini dapat diaplikasikan untuk estimasi lokasi objek dalam gedung tersebut dengan memanfaatkan RSS (Received Signal Strength) yang diperoleh dari AP yang telah tersedia. Penelitian ini difokuskan pada pemanfaatan RSS yang berasal dari AP yang terpasang di dalam dan di sekitar gedung JTETI UGM tanpa melakukan pemasangan AP tambahan. Pengambilan data fingerprint dilakukan dengan empat orientasi pengukuran yang berbeda, yaitu Utara, Timur, Selatan dan Barat, dengan ukuran grid masing-masing 1m x 1m dan 2m x 2m. Pengukuran RSS dilakukan di lantai 1, 2 dan 3 untuk mengetahui kemampuan sistem untuk menentukan di lantai berapa posisi objek berada. Penentuan estimasi lokasi objek ditentukan menggunakan algoritma Naïve Bayes dan k-Nearest Neighbor (k-NN) dengan nilai k=2 sebagai pembanding. Dari hasil penelitian diketahui bahwa hasil estimasi lokasi dipengaruhi oleh beberapa hal antara lain ukuran grid fingerprint, algoritma dan juga orientasi pengukuran data fingerprint. Metode Naïve Bayes dengan ukuran grid 1m x 1m memberikan hasil estimasi dengan nilai akurasi tertinggi yaitu sebesar 3,41 meter. Selain itu sistem ini juga mampu menentukan di lantai berapa posisi objek berada.

WLAN has become very popular in public and enterprise networking during the last few years. IEEE 802.11 is currently the dominant local wireless networking standard. It is appealling to use an existing WLAN infrastructure for indoor location based WLAN positioning system using RSS from APs that have been available. This research focused on implementation of RSS from APs inside and around the JTETI UGM building without placing additional APs. RSS fingerprint are collected with four different measuring orientation, which is North, East, South and West, with gridsize 1m x 1m and 2m x 2m. RSS fingerprint from first, second and third floor are collected in order to differentiate multifloor. Location estimation of the object is calculated by Naïve Bayes and k-Nearest Neighbor (k-NN) algorithm as comparator. As the results, location estimation is influence by fingerprint grid-size, algoritm and fingerprint measuring orientation. Naïve Bayes method with grid-size 1m x 1m gives highes accuracy. The acuracy given by this method is 3.41 m. This system has capability to differentiate between the floors.

Kata Kunci : IEEE 802.11, RSS, estimasi lokasi, Naïve Bayes, k-NN, orientasi, akurasi