Indoor Localization Berbasis BLE Beacons dan Metode Fingerprinting

M. EVAN ANINDYA W., Azkario Rizky P, S.T., M.Eng., Ph.D.; Dr. Bimo Sunarfri H., S.T., M.Eng.

2022 | Skripsi | S1 TEKNOLOGI INFORMASI

Salah satu dari tantangan sistem penentuan lokasi dalam ruangan (Indoor Localization System, ILS) adalah GPS sebagai pendominasi sistem positioning tidak efisien, tidak efektif, dan memiliki akurasi buruk bila digunakan dalam ruangan. Salah satu alternatif untuk GPS dalam ruangan adalah Bluetooth Low Energi (BLE) beacons yang memiliki akurasi lebih tinggi dari GPS dalam ruangan dengan syarat lokasi beacons diketahui, kepadatan beacons mencukupi, dan terdapat data untuk kalibrasi maupun training. Terdapat berbagai metode yang digunakan pada pengembangan ILS dan perbandingan antarmetode tersebut perlu diketahui. Isi tugas akhir ini adalah pengembangan dan riset ILS dengan distribusi daya transmisi BLE asimetris serta metode perkiraan lokasi Bayesian Estimator dan Fingerprint Feature Extraction (FPFE). Pengaruh distribusi daya transmisi asimetris terhadap akurasi Bayesian Estimator dan FPFE dipelajari, begitu pula dengan perbandingan antara Bayesian Estimator dan FPFE. Didapati bahwa penggunaan distribusi daya transmisi asimetris dapat meningkatkan akurasi Bayesian Estimator dengan rerata 0,12 m dan FPFE dengan rerata 0,43 m. FPFE lebih akurat daripada Bayesian Estimator selama perangkat uji termasuk dalam fingerprint dengan masing-masing rerata galat 0,14 m dan 1,49 m. Dalam kasus perangkat uji tidak termasuk dalam fingerprint, akurasi Bayesian Estimator lebih unggul daripada FPFE dengan masing-masing rerata galat 1,59 m dan 2,71 m.

One of challanges of Indoor Localization System (ILS) is GPS not efficient, effective, nor accurate if used indoors. One of GPS alternative for indoor localization is Bluetooth Low Energy (BLE) beacons which is more accurate than GPS indoors. This research studies ILS with asymmetric BLE beacons transmission power distribution and positioning method of Bayesian Estimator and Fingerprint Feature Extraction (FPFE). Our research found that FPFE is more accurate than Bayesian Estimator as long as test device is included within fingerprint with error average of 0.14 m and 1.49 m respectively. In case of test case excluded from fingerprint, Bayesian Estimator is more accurate than FPFE with error average of 1.59 m and 2.71 m respectively.

Kata Kunci : Indoor Localization System (ILS), Indoor Positioning, Bluetooth Low Energy (BLE), Fingerprinting