Peningkatan akurasi estimasi jarak RSSI dengan model Log normal menggunakan metode kalman filter pada bluetooth low energy

BLE (Bluetooth Low Energy), teknologi wireless terbaru untuk jarak pendek, memiliki potensi yang sangat besar untuk memungkinkan coverage dari sistem Localization dan juga cocok untuk teknologi IoT (Internet of Things). Hubungan antara nilai RSSI (Received Signal Strength Indication) dan jarak merupakan fondasi dan kunci dari sistem Localization. Model log normal, sebagai model propagasi sinyal yang lebih umum untuk kondisi di dalam ruangan, dapat mendeskripsikan hubungan antara nilai RSSI dengan jarak. Meskipun begitu, oleh karena sifat alami dari sinyal wireless, nilai RSSI sangat dipengaruhi oleh kondisi lingkungan, sehingga, pada umumnya nilai tersebut memiliki level noise yang cukup tinggi yang mengakibatkan tidak akuratnya estimasi jarak. Maka dari itu, Kalman Filter diperlukan untuk menstabilkan sinyal RSSI. Pada paper ini dilakukan uji coba pengukuran di dalam ruangan tertutup, yang merupakan tempat umumnya BLE dipasang. Kemudian diaplikasikan model Log Normal untuk mengestimasi jarak dan Kalman Filter untuk menstabilkan sinyal. Hasilnya diperoleh Mean Absolute Error dari estimasi jarak RSSI di dalam ruangan tertutup kurang dari 0.6 meter dengan kondisi jarak optimum 1-5 meter. Hal ini menunjukan perbaikan yang cukup besar dibandingkan dengan estimasi jarak pada RSSI yang belum di filter.Terdapat parameter-parameter lainnya yang perlu dipertimbangkan terhadap sistem yang diimplementasikan. Hal pertama adalah level baterai dari beacon. Kemudian, setup eksperiment tidak memasukan faktor penghalang, seperti dinding, dan halangan lainnya di dalam ruangan yang dapat menjadi interferensi dan menambah noise. Selain itu juga, terdapat faktor penting yang perlu diuji yaitu mobilitas pengguna. Dengan penambahan parameter-parameter ini dalam pengujian, ketahanan sistem estimasi jarak yang diimplementasikan pada paper ini akan dapat dievaluasi lebih maksimal. (EMS2022)