<![CDATA[Estimasi jarak dan posisi di lingkungan dalamruangan (indoor) merupakan tantangan fundamental bagiaplikasi Internet of Things (IoT) karena ketidakandalansinyal GPS. Penelitian ini mengusulkan sebuah sistemestimasi jarak linier berbasis Received Signal StrengthIndicator (RSSI) pada platform ESP32. Arsitektur sistemyang diusulkan adalah sistem multi-anchor yang terdiridari satu node target (ChildNode), tiga node jangkar(ParentNode), dan satu node pemroses (ScannerNode)yang berkomunikasi menggunakan protokol ESP-NOW.Untuk meningkatkan akurasi, diimplementasikan sebuahmetode hibrida yang mengintegrasikan Kalman Filter(KF) untuk meredam fluktuasi sinyal RSSI dan RegresiLinier untuk kalibrasi model propagasi sinyal. Parametermodel propagasi ini ditentukan secara empiris dari datakalibrasi untuk memetakan hubungan antara RSSI danjarak. Kinerja metode usulan (KF + Regresi Linier)dievaluasi secara kuantitatif dan dibandingkan dengan duametode baseline: (1) arsitektur multi-anchor dengan RSSImentah dan (2) arsitektur multi-anchor dengan KF saja(KF-Only) pada lima titik lokasi di dalam lingkunganindoor terkontrol. Hasil eksperimen menunjukkan bahwametode usulan berhasil menekan Mean Absolute Error(MAE) secara drastis hingga mencapai rata-rata 16.6 cm,dengan hasil terbaik 10.5 cm. Kinerja ini secara signifikanmengungguli metode Baseline 2 (KF-Only) yang memilikiMAE rata-rata 81.4 cm dan Baseline 1 (RSSI Mentah)dengan MAE di atas 1.5 meter. Temuan ini membuktikansecara kuantitatif bahwa pendekatan hibrida KalmanFilter dan Regresi Linier pada arsitektur multi-anchorsangat efektif dalam meningkatkan akurasi estimasi jaraklinier di lingkungan indoor yang kompleks.Kata Kunci— Estimasi Jarak, RSSI, ESP32, ESP-NOW,Kalman Filter, Regresi Linier, Trilaterasi, Multi-Anchor.]]>
