<![CDATA[Protokol ZigBee diterapkan secara luas pada banyak bidang kehidupan manusia. Salah satu contoh implementasi ZigBee penggunaan nya pada Jaringan Sensor Nirkabel. ZigBee mempunyai kelebihan sebagai media transmisi yang proses pendeteksiannya dapat dimonitor secara real-time dan dikontrol dari jarak jauh. Selain itu, ZigBee yang memiliki karakteristik kecepatan data yang rendah. Kualitas sinyal pada ZigBee dapat dilihat dari Indikator Kekuatan Sinyal yang Diterima (RSSI). Semakin tinggi nilai RSSI semakin baik kekuatan sinyal. Nilai RSSI hanya bergantung pada jarak antara titik pengirim dan titik penerima yang diukur dengan mendeteksi kekuatan sinyal yang diterima di antara keduanya. Nilai RSSI sangat dipengaruhi oleh lingkungan dan hambatan yang ada di sekitarnya. Sinyal noise ini memantul pada benda-benda di lingkungan seperti dinding dan perabotan. Oleh karena itu pada penelitian ini, dipilih metode Kalman Filter untuk mengurangi noise pada sinyal RSSI. Kalman Filter sendiri adalah metode yang membuat suatu estimasi beberapa variabel yang tidak teramati berdasarkan pengukuran noise disekitarnya. Ini adalah algoritma rekursif karena memperhitungkan sejarah pengukuran. Dalam kasus ini, ingin mengetahui berapa nilai RSSI yang baik berdasarkan skenario pengukuran yang akan di lakukan. Skenario yang diusulkan ada tiga skenario. Pada skenario pertama, mengirim paket dari pemancar ke penerima. Skenario kedua, membuat tiga skenario (skenario tanpa objek, skenario dengan objek statis, skenario dengan objek dinamis) yang di taruh pada jalur antara pemancar dan penerima. Tahap ketiga, mendapatkan nilai RSSI asli dari penerima dan diproses dengan Kalman Filter. Dari tiga skenario tersebut di dapat Nilai RSSI setelah diproses menggunakan Kalman Filter pada skenario tanpa objek menunjukkan kestabilan dengan nilai antara -55dBm sampai dengan -56dBm dibandingkan dengan RSSI tanpa Kalman Filter dengan nilai -54dBm sampai dengan -57dBm. Skenario dengan Objek Statis menunjukkan RSSI Kalman Filter lebih stabil antara -62dBm sampai dengan -63dBm daripada nilai RSSI tanpa Kalman Filter antara -61dBm sampai dengan -64dBm. Sedangkan pada skenario Objek Dinamis, RSSI Kalman Filter juga menunjukkan kestabilan dengan nilai antara -74dBm sampai dengan -80dBm daripada RSSI tanpa Kalman Filter dengan nilai -74dBm sampai dengan -84dBm. Dapat ditarik kesimpulan Nilai RSSI setelah diolah dengan metode Kalman Filter lebih baik daripada nilai RSSI tanpa Kalman Filter.]]>
