Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Prathama, Ardhito
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
SISTEM LOKALISASI INDOOR BERBASIS BLE PADA AREA PARKIR MENGGUNAKAN MACHINE LEARNING FINGERPRINTING Prathama, Ardhito; Budi, Agung
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem lokalisasi indoor pada area parkir basement menghadapi tantangan signifikan akibat keterbatasan sinyal satelit dan kompleksitas propagasi sinyal dalam lingkungan tertutup. Permasalahan ini dapat diatasi melalui pendekatan RSSI fingerprinting berbasis Bluetooth Low Energy dengan klasifikasi menggunakan machine learning. Penelitian ini mengimplementasikan sistem lokalisasi berbasis Light Gradient Boosting Machine yang dioptimasi melalui framework Optuna untuk mengklasifikasikan dua puluh lima lokasi diskrit dalam grid 5 x 5 pada area parkir berukuran 10 meter x 10 meter. Implementasi menggunakan satu beacon mobile ESP32-S3, empat anchor nodes dengan antena eksternal 5 dBi pada sudut area, dan Raspberry Pi 4 sebagai platform komputasi. Data RSSI dikumpulkan secara sistematis dengan 50 sampel per cell, menghasilkan dataset 1.250 sampel yang diekstraksi menjadi 36 fitur statistik mencakup mean, median, standard deviation, dan quartiles. Optimasi hyperparameter dilakukan melalui 100 trials Optuna dengan objective function memaksimalkan F1-score makro melalui five-fold stratified cross-validation. Evaluasi pada test set independen menunjukkan akurasi 99,6% dengan hanya satu kesalahan klasifikasi dari dua 250 sampel. Temuan ini menunjukkan bahwa kombinasi LightGBM dengan optimasi Optuna dan ekstraksi fitur statistik efektif untuk lokalisasi parkir skala menengah, namun memerlukan validasi lebih lanjut pada kondisi lingkungan yang bervariasi.
Co-Authors agung budi