PENINGKATAN AKURASI ESTIMASI JARAK RSSI DENGAN MODEL LOG NORMAL MENGGUNAKAN METODE KALMAN FILTER PADA BLUETOOOTH LOW ENERGY

Abstract

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, kami melakukan uji coba pengukuran   di     dalam    ruangan   tertutup,  yang   merupakan      tempat   umumnya      BLE    dipasang.   Kami mengaplikasikan model Log Normal untuk mengestimasi jarak dan Kalman Filter untuk menstabilkan  sinyal. Secara keseluruhan, kami memperoleh 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. Kata kunci: bluetooth low energy, rssi, Kalmanfilter , log normal