<![CDATA[Implementasi Penentuan Lokasi di dalam Gedung semkain banyak digunakan terutama pada fasilitas umum seperti sekolah dan rumah sakit dimana sinyal GPS tidak mampu memberikan akurasi yang maksimal. Pada penelitian ini akan dilakukan implementasi penentuan lokasi didalam Gedung dengan menggunakan nilai dari sinyal Received Signal Strength Indicator (RSSI) pada perangkat LoRA. Data RSSI yang dikumpulkan akan digunakan untuk melatih jaringan syaraf tiruan dengan menggunakan struktur empat neurons sebagai input, sepuluh neurons hidden dan lima neurons untuk output berupa hasil klasifikasi ruangan yang diberikan. Proses training dilakukan dengan menggunakan Python beserta numpy dan Pandas sebagai library-nya. Hasil dari training tersebut adalah berupa sejumlah weights dan bias yang digunakan sebagai external library pada ESP32 microcontroller. Berdasarkan hasil pengujian data training, didapatkan bahwa ANN memberikan performa yang lebih baik jika dibandingkan dengan SVM. Pada ANN didaptkan nilai akurasi, presisi dan recall 0.90, 0.8666 dan 0.9333 secara berturut-turut. Sedangkan pada SVM didapatkan nilai akurasi 0.92 , presisi 0,7133 dan recall 0.6932 . dari hasil tersebut dapat dilihat bahwa ANN lebih akurat dalam hal meng-klasifikasikan ruangan yang memiliki pola nilai RSSI yang hampir mirip, seperti ruangan koridor. Hal ini memberikan informasi bahwa ANN sangat cocok diiimplementasikan untuk penentuan lokasi didalam Gedung dan sesuai untuk digunakan pada perangkat ESP32. Penelitian berikutnya diharapkan dapat menggunakan algoritma optimasi untuk mendapatkan nilai weight dan bias yang lebih baik.]]>
Copyrights © 2025
