RSSI-Based Location Classification Using a Particle Filter to Fuse Sensor Estimates

Blazek, Thomas; Karoliny, Julian; Ademaj, Fjolla; Bernhard, Hans-Peter

doi:10.1109/wfcs46889.2021.9483598

Cited by 1 publication

(1 citation statement)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Merancang Indoor Positioning System (IPS) memiliki banyak kegunaan berbagai bidang. Menerapkan sistem penentuan posisi di dalam ruangan tidak hanya memberikan keuntungan tambahan dalam hal keamanan dan keselamatan, melainkan juga memiliki potensi untuk meningkatkan efisiensi di lingkungan kerja [1], [2], [3]. Indoor Positioning System (IPS) beroperasi dengan mempergunakan sinyal-sinyal WiFi yang dipancarkan oleh sejumlah access point (pemancar).…”

unclassified

Perancangan Indoor Position System Berbasis Internet of Things dan Support Vector Machine

Noprianto,

Sulaiman,

Alaudin

et al. 2024

JuTISI

View full text Add to dashboard Cite

Saat ini, pemanfaatan teknologi pelacakan posisi telah merambah ke berbagai aspek, utamanya dengan memanfaatkan Global Positioning System (GPS). Namun, terdapat keterbatasan signifikan dalam ketepatan akurasi GPS saat digunakan dalam lingkungan dalam ruangan. Dalam mengatasi tantangan ini, konsep Indoor Positioning System (IPS) telah diperkenalkan dan dikembangkan. IPS memungkinkan pelacakan posisi di dalam bangunan dan menawarkan bukan hanya peningkatan akurasi, tetapi juga keamanan, keselamatan, serta efisiensi yang lebih baik. Penelitian yang dijelaskan dalam konteks ini bertujuan untuk merumuskan solusi untuk pelacakan dan pengenalan lokasi dalam ruangan, dengan fokus pada lantai 7 gedung sipil. Pendekatan yang digunakan melibatkan penerapan infrastruktur titik akses yang telah ditempatkan di setiap ruangan. Dataset yang digunakan untuk mendukung analisis terdiri dari 80 titik lokasi yang ada dalam ruangan tersebut, yang secara rinci terbagi menjadi 40 titik untuk ruang LIG2, 40 titik untuk ruang LPY4, dan area koridor yang menghubungkannya. Dalam upaya untuk mencapai tujuan ini, penelitian ini mengadopsi metode Support Vector Machine (SVM). Melalui penggunaan teknik ini, model SVM diinstruksikan dengan memanfaatkan data Received Signal Strength Indicator (RSSI) dari mikrokontroler. Melalui serangkaian uji coba dan evaluasi, metode SVM yang diterapkan dalam penelitian ini telah membuahkan hasil yang menjanjikan. Tingkat akurasi mencapai 79%, mengindikasikan bahwa sistem yang diusulkan mampu dengan tepat memprediksi lokasi berdasarkan data yang terkumpul.

show abstract

unclassified