Indoor Positioning System (IPS) yang Efisien Menggunakan Weighted K-Nearest Neighbor (WKNN) dan Autoencoder [AJG]

Abstract

Perkembangan teknologi nirkabel telah menyebabkan perkembangan berbagai layanan lokasi/Location-Based Services (LBS) yang saat ini banyak digunakan di rumah sakit, kompleks perkantoran, pusat perbelanjaan, dan kampus. Karena hambatan fisik, sistem navigasi berbasis satelit seperti GPS tidak dapat berfungsi dengan baik di dalam ruangan. Ini mengakibatkan penurunan sinyal. Oleh karena itu, penelitian ini menyarankan pengembangan sistem posisi indoor yang efektif yang menggunakan Weighted K-Nearest Neighbor (WKNN) dan Autoencoder. Metode WKNN menentukan posisi berdasarkan pola sinyal Wi-Fi atau Received Signal Strength Indicator (RSSI), dan Autoencoder merekonstruksi dan mengurangi dimensi data untuk mengatasi ketidakstabilan sinyal dan nilai yang tidak ada. Diharapkan bahwa, dibandingkan dengan WKNN versi dasar, kombinasi kedua teknik ini akan meningkatkan akurasi, stabilitas, dan efisiensi komputasi. Untuk mengetahui seberapa efektif model yang diusulkan untuk meningkatkan performa sistem penentuan posisi di lingkungan indoor, evaluasi kinerja dilakukan dengan menggunakan metrik mean error, Cumulative Distribution Function (CDF) error, dan waktu pemrosesan.