Sistem Deteksi Pengguna Smartphone Dengan Teknik Received Signal Strengt
Indikator ( RSSI ) Dan Teknik Clustering Filtered K-Nearest Neigbors ( CFK )
abstrak
Teknologi perangkat mobile yang sudah maju pada saat ini tidak hanya sebagai alat komunikasi saja. Namun telah dimultifungsikan sebagai alat navigasi. Sistem navigasi saat ini banyak sekali yang bermunculan dan kemajuan untuk mengembangkan semakin pesat, baik itu sistem navigasi traffic lalu lintas dan sistem navigasi lainnya banyak digunakan untuk kebutuhan tertentu, misalnya ketika seseorang ingin melakukan perjalanan para pengguna sangat membutuhkan peta untuk mengetahui lokasi yang dituju. Banyak sekali smarphone atau perangkat mobile yang dilengkapi dengan teknologi deteksi lokasi, untuk memudahkan pencarian jalan.
Dikalangan masyarakat banyak sekali pengguna smartphone yang kurang memperhatikan kepentingan orang lain. Seperti menelepon dan membaca sms atau pesan, pengguna tersebut seharusnya mencari tempat atau posisi untuk mengangkat telepon dan membaca pesan untuk menepi dipinggir jalan atau cari posisi yang aman untuk pengguna telepon tersebut. Sehingga tidak mengganggu pengguna jalan baik itu dijalur tranfortasi atau jalan raya dan pengguna jalan kaki lainnya. Dengan kemajuan teknologi yang sedang ramai adalah tranfortasi online, pengendara atau driver sering kali menggunakan atau memakai smartphone pada saat berkendaraan sehingga memunculkan terjadinya kecelakaan baik pengguna dan pengendara lainnya.Selain itu ada juga pejalan kaki yang ketika berjalan ditempat keramaian mereka sering kali mengabaikan keberadaan orang lain disekelilingnya. Sehingga mengakibatkan tertabraknya sesama pejalan kaki antara yang menggunakan smartphone dan yang tidak menggunakan smartphone. Dan memperlambat pengguna jalan kaki lainnya.
PENDAHULUAN
Seiring dengan kemajuan teknologi yang semakin pesat, kemudahan akses dan teknologi nirkabel serta komputasi mobile telah memunculkan banyak peluang baru dalam sistem pengembangan sistem dan aplikasi mobile yang tujuannya adalah untuk membuat kehidupan baik pribadi dan kehidupan dimasyarakat menjadi lebih mudah dalam melihat dan mengakses informasi. Pada saat ini, seseorang dapat memiliki perangkat bergerak atau mobile lebih dari satu perangkat yang memiliki dan kegunaannya masing-masing, seperti untuk melakukan, komunikasi, sms, dan whatapps. Tidak lepas dari itu perangkat mobile juga sangat membantu dalam pekerjaan kantor dan sekolah bahkan untuk emarket dan hiburan. (Lashkari, dkk 2010).
Teknologi perangkat mobile yang sudah maju pada saat ini tidak hanya sebagai alat komunikasi saja. Namun telah dimultifungsikan sebagai alat navigasi. Sistem navigasi saat ini banyak sekali yang bermunculan dan kemajuan untuk mengembangkan semakin pesat, baik itu sistem navigasi traffic lalu lintas dan sistem navigasi lainnya banyak digunakan untuk kebutuhan tertentu, misalnya ketika seseorang ingin melakukan perjalanan para pengguna sangat membutuhkan peta untuk mengetahui lokasi yang dituju. Banyak sekali smarphone atau perangkat mobile yang dilengkapi dengan teknologi deteksi lokasi, untuk memudahkan pencarian jalan.
Berdasarkan kejadian tersebut diatas maka peneliti akan melakukan penelitian dengan
judul “ Sistem Deteksi Untuk Pengguna Smartphone Dengan Metode Received Signal Strength
Indikator ( RSSI ) dan Clustering Filtered K-Nearest Neigbors ( CFK )”.
TINJAUAN PUSTAKA
Penelitian tentang deteksi indoor positioning telah banyak dilakukan seperti yang dilakukan oleh peneliti lashkari, dkk mereka melakukan penelitian mengenai indoor positioning system berbasis WIFI. Penelitian tersebut memperkenalkan aplikasi berbasis mobile yang memiliki tujuan untuk menghitung jarak estimasi posisi seseorang. Namun dalm penelitian tersebut metode yang digunakan oleh lashkari, dkk menggunakan trilateration (lashkari et al.,2010).
Kemudian peneliti selanjutnya masih mengenai indoor positioning juga dilakukan oleh Boon sriwai, dkk. Dengan mengangkat judul penelitian WIFI localization pada mobile device. Penelitian tersebut bertujuan untuk melakukan seleksi pada access point atau AP yang digunakan, sehingga mengetahui trade off yang terjadi. Metode yang digunakan dalam penelitian tersebut menggunakan multi-trilateration ( boon sriwai, dkk.,2013).
Penelitian yang dilakukan selanjutnya dilakukan oleh Hung-huan liu dengan judul penelitian studi kajian mengenai indoor positioning yang menggunakan metode weigted screening untuk memperbaiki error yang terjadi pada trilateration ( liu, dkk.,2013)
Peneliti selanjutnya dilakukan oleh Ryan ari setyawan dengan judul. Indoor positoning WIFI dismartphone android. Dengan menggunakan metode RSSI untuk mehitung jarak estimasi menggunakan metode tersebut. Metode RSSI dipilih karena memiliki keunggulan yakni mengukur melalui propagasi gelombang radio yang mengikuti aturan persamaan friis dan path loss sebanding dengan dimana d adalah jarak antara sumber dan received ( ryan ari
setywan,2015 )
Dimana hasil penangkapan sinyal RSSI akan diproses dengan clustering filtered k-nearest neigbors. ( Fananda Herda Perdana, dkk.,2016).
Dari beberapa penelitian diatas yang dilakukan mengenai sistem indoor positioning WIFI. Penulis akan meneliti dengan metode RSSI dan Clustering Filtered K-Nearest Neigbors.
Dimana kedua metode tersebut akan digunakan di penelitian saya dengan judul “ Sistem
Deteksi Pengguna Smartphone Dengan Metode Received Signal Strengt Indikator ( RSSI ) Dan Clustering Filtered K-Nearest Neigbors ( CFK )”. Dimana metode RSSI memiliki keunggulan yakni mengukur melalui persamaan friis dan path loss sebanding dengan ,
dimana d adalah jarak antara sumber dan received, kemudian hasil penangkapan sinyal RSSI akan diproses dengan Clustering Filtered K-Nearest Neigbors.
A. WIFI
Wifi adalah teknologi jaringan nirkabel yang memungkinkan komputer dan perangkat lain untuk berkomunikasi melalui sinyal nirkabel. Ini menggambarkan komponen jaringan yang berbasis pada salah satu standar 802.11 yang dikembangkan oleh IEEE dan diadopsi oleh WIFI. Alliance [ 6].
B. Teori eulidean distance
Eulidean distance [ 7] adalah perhitungan jarak dari 2 buah titik dalam eulidean space diperkenalkan
𝑑=√(𝑥1−𝑥2)2+(𝑦1 −𝑦2)2 (1)
Keterangan :
D = jarak antara 2 titik
Tabel 1.
Parameter kekuatan sinyal WIFI Tabel 1.
Parameter Kekuatan Sinyal Wi-Fi Tingkat Kuat Sinyal (bar sinyal)
Kategori Nilai Kuat Sinyal (dBm)
Oleh euclid seorang matematikawan dari yunani untuk mempelajari hubungan antara sudut dan jarak. Teori ini berkaitan dengan teorema pythagoras dan biasanya di terapkan pada titik 1 dan 2 dimensi, teori euclidean distance didefinisikan pada tabel 1.
C. Parameter Kekuatan sinyal WIFI.
Kualitas sinyal wifi dapat dikategorikan berdasarkan kualitas pada tabel 1.
D. RSSI adalah teknologi yang umum digunakan saat ini. Penggunaan RSSI mulai membutuhkan overhead komunikasi yang kurang. Kompleksitas pelaksanaan yang lebih rendah, dan biaya lebih rendah, sehingga sangat cocok untuk node pada jaringan sensor nirkabel yang memiliki kemampuan terbatas ( oca, alonso, kim dan hern 2014).
Pengukuran RSSI (Received Signal StrengthIndication ) adalah pengukuran terhadap daya
yang diterima oleh sebuah perangkat wireless. Berdasarkan penelitian yang sudah dilakukan
selama ini, pengukuran RSSI menunjukkan variasi yang besar karena adanya pengaruh fading
atau shadowing. Propagasi gelombang radio pada free space mengikuti aturan persaman Friis
dan path loss sebanding dengan , dimana d adalah jarak antara sumber dan received
(Schindhelm, 2012).
Pr merupakan nilai RSS yang terbaca pada sensor ke-i, Pt adalah daya sinyal target, X
merupakan lokasi target dalam koordinat 2 dimensi, Si merupakan lokasi dari sensor ke-i,
Pada aplikasi yang real, path loss sangat sulit untuk diprediksi karena bergantung pada
karakteristik dari lingkungan dimana komunikasi wireless itu terjadi. Redaman akan
proporsional sebesar untuk transmisi yang dekat dengan tanah, dimana komponen sinyal
akan dipantulkan oleh tanah yang akan menginterferensi komponen sinyal LOS (line of sight)
bahkan akan lebih tinggi daripada dalam ruangan yang komplek.
E. Algoritma Clustering filtered K-nearest Neighbors ( CFK ) merupakan gabungan antara klasifikasi KNN (K-Nearest Neighbors) dan hierachical clustering. CFK menggunakan beberapa teknik pengelompokan dalam pembagian tetangga menjadi beberapa kelompok dan hanya satu kelompok yang digunakan, sementara yang lain dikeluarkan. Berikut merupakan tahapan-tahapan algoritma clustering filtered k-nearest neighbor:
1. Pada ruang sampel s, dilakukan kalsifikasi KKN dengan nilai K yang sudah ditentukan, lalu ditemukan kumpulan sampel K terdekat berdasarkan jaraknya ( dengan euclidean distance ) yang dinamakan K-SetL.
2. Menerapkan algoritma hierachil clustering pada K-Sel, yaitu mencari sepasang sampel dengan nilai distance yang terdekat, lalu menggabungkan menjadi satu cluster. Proses tersebut dilakukan terus enerus hingga nilai distance pada semua cluster tidak ada yang dibawah threshold.
3. Dari beberapa cluster yang diproses, akan diterapkan aturan sebagai berikut:
a. Ambil jarak cluster yang paling dekat
b. Jika terdapat cluster terdekat dengan jarak yang sama dari itu, maka ambil cluster yang memiliki anggota data sample yang lebih baik.
4. Menurut aturan tersebut, pilih slah satu cluster yang menjadi wakil dari semua cluster, yang akan disebut sebagai cluster C atau delegated cluster.
METODOLOGI PENELITIAN
Beberapa tahapan metodologi penelitian ini seperti penggunaan alat dan bahan, lokasi ujicoba serta langkah-langkah yang dilakukan saat penelitian yakni seperti berikut : 1. Alat dan Bahan Penelitian Bahan penelitian yang digunakan untuk deteksi dijalan dan didalam gedung adalah hasil pengukuran sinyal yang diterima oleh smartphone . Sedangkan untuk alat yang digunakan dalam penelitian untuk mengestimasi posisi diperlukan beberapa perangkat lunak dan perangkat keras diantaranya : perangkat keras : laptop, smartphone android, dan kabel usb. Perangkat lunak : eclipse, android sdk, wifi dan jaringan yang lain.
Gambar 1. Tahapan Penelitian
Tahapan penelitian meliputi sebagai berikut :
1. Kajian Pustaka, mencari referensi buku, jurnal atau makalah yang mendukung penelitian. 2. Setelah melakukan kajian pustaka langkah selanjutnya melakukan identifikasi masalah. 3. Perancangan sistem dan Uji coba dapat dibagi menjadi beberapa bagian yakni persiapan
lokasi yang akan dijadikan objek penelitian, melakukan uji coba sistem trial dan error, melakukan tahap positioning, serta hasil RSSI dan di Clustering Filtered K-Nearest Neigbors.
DAFTAR PUSTAKA
Bahl, P., & Padmanabhan, V. N. (2000). RADAR: an in-building RF-based user location and tracking system. Proceedings IEEE INFOCOM 2000. Conference on Computer Communications. Nineteenth Annual Joint Conference of the IEEE Computer and Communications Societies (Cat.No.00CH37064),2(c). http://doi.org/10.1109/INFCOM.2000.83 2252.
Boonsriwai, S., & Apavatjrut, A. (2013). Indoor WIFI localization on mobile devices. 2013 10th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology, ECTI-CON 2013. http://doi.org/10.1109/ECTICon.2013.65 59592.
Lashkari, A. H., Parhizkar, B., & Ngan, M. N. a. (2010). WIFI-based indoor positioning system. 2nd International Conference on Computer and Network Technology, ICCNT 2010, 76–78. http://doi.org/10.1109/ICCNT.2010.33.
Liu, H., & Yang, Y. (n.d.). Study on the Use of a Weighted Screening Method for Indoor Positioning Systems, 331–335. Schindhelm, C. K. (2012). Activity recognition and step detection with smartphones: Towards terminal based indoor positioning system. IEEE International Symposium on Personal, Indoor and Mobile Radio Communications, PIMRC, 2454–2459. http://doi.org/10.1109/PIMRC.2012.636 2769
Space, D. T. U. (n.d.). Indoor Positioning Based on Wireless LAN.
Wirawan, T. N. (n.d.). Karakteristik Propagasi dalam Ruang berdasarkan Analisa RSSI pada Jaringan Sensor Nirkabel.
Wu, C., Yang, Z., & Liu, Y. (2014). Smartphones based Crowdsourcing for Indoor Localization. IEEE Transactions on Mobile Computing, X(X), 1–1. http://doi.org/10.1109/TMC.2014.23202 54.
Ryan Ari Setyawa, INDOOR POSITIONING WIFI DI SMARTPHONE ANDROID.
