Pada era globalisasi ini, kebutuhan jasa pengiriman barang semakin dinikmati oleh pelanggan. Membangun kepercayaan pelanggan merupakan hal yang penting bagi keberlangsungan perusahaan. Salah satu nya dengan memperbaiki pelayanan pengiriman barang. Akan tetapi, pada proses pengiriman barang sering dijumpai permasalahan seperti keterlambatan kedatangan pengiriman, terjadinya kehilangan barang, serta pelayanan yang buruk. Salah satu cara untuk menanggulangi hal tersebut adalah dengan menyediakan aplikasi untuk memonitor kendaraan pengantar barang sehingga dapat memberikan informasi pada proses pengiriman, admin dapat mengetahui lokasi yang sebenarnya dari barang yang dikirim. Saat ini GPS diterapkan untuk berbagai situasi karena kepercayaan dan kegunaannya. Posisi dihitung oleh GPS dapat membuat beberapa kesalahan yang disebabkan oleh banyak faktor yang berbeda yang berasal dari sinyal GPS. Faktor kesalahan terbesar yang memengaruhi keakuratan dan ketepatan penentuan posisi oleh GPS adalah kurang nya jumlah satelit yang dapat dilihat di langit. Untuk mengurangi faktor kesalahan ini dan untuk meningkatkan presisi dan keakuratan penentuan posisi GPS, banyak proyek dilakukan penelitian, seperti QZSS, sistem pseudolite. Sistem ini memiliki potensi untuk membuat ketepatan posisi GPS dalam situasi yang lebih buruk sehingga kita dapat melihat beberapa satelit GPS karena mereka meningkatkan jumlah satelit yang tersedia untuk digunakan untuk menghitung posisi. Namun, sistem tersebut membutuhkan banyak waktu dan perangkat mahal untuk infrastruktur. Proyek Akhir ini mengadaptasi Kalman Filter untuk penentuan posisi GPS perhitungan. Kalman Filter meningkatkan ketepatan dan keakuratan penentuan posisi SPS dalam mode yang berdiri sendiri dalam situasi yang lebih buruk mengadaptasi parameter Kalman Filter. Sebuah unit GPS Receiver akan mengirimkan data latitude dan longitude ke Raspberry Pi 3 untuk diproses dan diolah menjadi peta lokasi digital untuk diteruskan melalui USB modem ke server pada jaringan global internet, dan akan diteruskan ke aplikasi untuk diakses admin perusahaan. Hasil pengujian menunjukkan bahwa Kalman Filter menghasilkan posisi yang lebih akurat dengan parameter Observation Noise (R) = 0,1 dan Process Noise (Q) = 0,000001.