Indoor Positioning System Menggunakan Metode Hybrid Fingerprinting dan Pedestrian Dead Reckoning

Penelitian ini bertujuan dalam meningkatkan akurasi dari Indoor Positioning System pada smartphone yang dimanfaatkan sebagai receiver yang memiliki bawaan Inertial Measurement Unit (IMU) dan pada Bluetooth Low Energy (BLE) sebagai transmitter sinyal. Untuk mencapai tujuan tersebut, metode hybrid antara BLE fingerprint dan Pedestrian Dead Reckoning menggunakan Artificial Neural Network (ANN) dan atau Support Vector Regression (SVR) diusulkan. Berdasarkan hasil tinjauan pustaka, Kalman Filter digunakan sebagai patokan dari hasil experiment dan dibandingkan dengan metode hybrid yang diusulkan. Hasil experiment menunjukkan hybrid yang menggunakan SVR model yang diusulkan mampu mengurangi rata-rata positioning error sebesar 29.7% dan hybrid menggunakan ANN model mampu mengurangi rata-rata positioning error sebesar 47.3%. Pengurangan rata-rata error merupakan perbandingan dari metode Kalman Filter, SVR dan ANN yang menghasilkan nilai rata-rata error masing masing 212.21 cm, 149.12 cm, dan 111.78 cm.