Penerapan Algoritma Random Forest dan Teknik Interpolasi pada Teknik Fingerprint untuk Indoor Positioning System

ALVIN SAMUEL HERMAN RUDIANTO, Dwi Joko Suroso, S.T., M.Eng.; Dr. Ing. Ir. Singgih Hawibowo

2020 | Skripsi | S1 TEKNIK FISIKA

Perkembangan location-based service (LBS) pada lingkungan outdoor bergantung pada teknologi Global Positioning System (GPS) sebagai sistem penentu lokasi. Akan tetapi, untuk LBS dalam ruangan/indoor, GPS tidak dapat dihandalkan karena memiliki akurasi rendah untuk lingkungan indoor. Oleh karena itu, perlu adanya indoor positioning system (IPS) untuk LBS indoor. Penelitian IPS yang berbasis Wi-Fi semakin berkembang seiring dengan banyaknya penggunaan Wi-Fi. Untuk lingkungan dalam ruangan yang statis, teknik fingerprint dikenal memiliki akurasi yang lebih baik dibandingkan teknik yang berbasis jarak seperti trilaterasi dan min-max. Salah satu tantangan pada teknik fingerprint adalah lamanya waktu, banyaknya tenaga dan mahalnya biaya pengumpulan database. Dalam penelitian ini, teknik interpolasi akan digunakan untuk mengurangi waktu dan tenaga dalam mengumpulkan data fingerprint. Interpolasi yang digunakan adalah interpolasi Neville dan interpolasi bilinier. Perbandingan hasil penentuan posisi antara algoritma pattern matching klasik minimum Euclidean distance (MED) dan modern seperti pada machine learning yaitu algoritma random forest dibahas secara detail. Hasilnya, dari beberapa skenario yang dikemukakan dalam penelitian ini, algoritma MED lebih baik dari segi akurasi dan presisi jika dibandingkan dengan algoritma random forest. Perbedaan akurasi antara kedua algoritma mencapai 0,5 meter dan perbedaan presisi mencapai 20%. Peningkatan kinerja akibat menggunakan database interpolasi beragam mulai dari 3% sampai 30%.

Location-based service (LBS) development in the outdoor environment depends on the global positioning system (GPS) technology as positioning system. However, GPS is not suitable for indoor LBS because of its low accuracy in the indoor environment. Therefore, an indoor positioning system (IPS) is needed for indoor LBS. Wi-Fi based IPS research is developing along with the increasing use of Wi-Fi. In the static indoor environment, fingerprint technique is known to have better accuracy than range-based technique such as trilateration and min-max. One of the fingerprint technique's challenges is the considerable amount of time, energy and cost needed to collect databases. In this research, we utilized the interpolation technique to reduce time and effort needed to collect fingerprint data. We applied Neville's interpolation and bilinear interpolation for the interpolation techniques. Comparison of positioning result between the classic pattern matching algorithm such as minimum Euclidean distance (MED) and modern one such as random forest in machine learning are discussed in detail. The result from various scenarios proposed in this research is that MED is better than random forest in terms of accuracy and precision. The accuracy difference is up to 0.5 meters and the precision difference is up to 20%. The use of interpolation techniques in the database can improve performance that varies from 3% to 30%.

Kata Kunci : indoor positioning system, fingerprint, random forest, interpolasi