Indonesi an  Journa l  of El ect ri cal Engineer ing  a nd  Comp ut er  Scie nce   Vo l.   24 ,  No.   1 ,  Octo be r   20 21 ,  pp.  236 ~ 24 4   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v 2 4 .i 1 . pp 23 6 - 24 4          236       Journ al h om e page :  http: // ij eecs.i aesc or e.c om   Improve d finge rp rintin g perfo rmance in i nd oo r positi oning by   re du cin g du ra ti on  of  th e training  p hase  p rocess       An dik a Mu haram ,  Abdi  W ahab , Mudrik   Alaydrus   Depa rtment  o f  E le c tri c al E ngin eering,   Univ ersitas Merc u   Buana,  J aka rt a,   Indone si a       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   Oct   27 , 202 0   Re vised Jul  30 ,  2021   Accepte d  A u g   7 , 2 021       W ire le ss   sensor  net work  (W SN)  ca n  be  used  as  a  soluti on  to  find  out  the   positi on  of  an  ob je c t  tha t  c anno t  be  rea ch ed  b y   globa l  positi on ing  s y stem   ( GPS ),   for  exa m ple   to  f ind  out  t he  positi on  of  o bje c ts  in  a  room   known  as   Indoor  Pos it ioning.  One   m et hod   in  in door  posit ioni ng  th at  c an  be  used  is   finge rprin ti ng.   I nside  the r e  ar e  t wo  m ai n  work  phase s,  namel y   tra ini ng   and   positi oning.   Th e   tra ini ng  phase   i s  the   proc ess  of  col lecti ng   re ceive d  signal  strengt h  ind ication   (RSS I )  dat a  l eve ls  from   e ac h   sensor  Node  re fer e nc e  th a t   will   be  used  as  a  ref er enc e  va lu e  for  the   positi o ning  phase .   The   m ore   sensor   Nodes  used,   the   longe r  the   proc e ss ing  ti m e  nee ded  in  the   tra ini ng  phase .   Thi s   rese arc h   foc uss e d  on  the  dura t io n  of  the  training   phase ,   the  impl ementa t ion  of  which  ar e  use d  4  sensor  Nodes,  namel y   Z igbee  (IE E E  802. 15 . 4  protoc ol)   arr ange d  ac co rdi ng  to  m esh  net work  topol og y ,   one  as  Node  X  (positi oning  ta rge t)  and  3   as  ref ere n ce   Nod es.   The re   ar e  two  m et hods  used  in   the   tra in ing  phase ,   n amel y   f ixe d  t arg e t  par a m et er  (FTP)  an d  m ov ing  ta rge t   par amet er  (MTP).  MTP  too k  5  sec onds  fast er  tha n   FTP   in  t e rm s  of  the   dura t i on  of  RS SI   dat a   colle ct ion   fr om   ea ch   ref ere n ce   Node .     Ke yw or d s :   Fing e r pr inti ng   Ind oor po sit io ni ng   RSSI   Trainin g p hase   W i reless se nso r netw ork   Zigb ee   This   is an  open   acc ess arti cl e   un der  the  CC  B Y - SA   l ic ense .     Corres pond in g  Aut h or :   Mudrik  Alay dr us   Dep a rtm ent o f El ect rical  En gi neer i ng ,  Un i ve rsita s Merc u  B uan a   Me ru ya  Selat a n No.1 , Kem ban ga n ,    Me ru ya  Selat a n,  J aka rta Bara t, DKI Ja ka rta  11650,  Ind on e sia   Em a il :  m ud rik al ay dr us@m ercu bua na. ac.i d       1.   INTROD U CTION   W i reless  netw ork  te le com m un ic at ion   is  one   of   t he  c ho ic es   of   e ve ry  te ch nolo gy  us e r  who  ne eds  e ase  in  com m un ic ation ,  bo t h  in  te r m s   of   inf rastr uc ture,   the  i ns ta ll at ion   process   and   it s  pr act ic al   us e  [1] .  W i r el ess  netw ork  te le c omm un ic at ion s  are   i ncr easi ng ly   dev el op i ng  w hich   are   cha racteri zed   by  a  c om bin at ion   of   wireless  te le co m m un ic at ion s   netw orks  with  m ic ro el ect ronic  t echnol og y  a s  sens or  Node s  kn own  as   wi reles s   sens or   netw orks  ( WSN) .  WSN   ca n  be  us e d  as  a  so l ution  to  fin d  out  the   po sit io n  of  an   obj ect   that  ca nnot  be   reache d  by   g lo bal  posit io ning   syst e m   (G P S ),  f or   e xam ple  to  fin d  ou t  t he  po sit io n  of  ob je ct s  in  a  r oo m   cal l ed  indoor  posit io ning  [2] .  I n  in door  po sit io ni ng,  eac h  se nso r  Node  i ns ta ll ed  is  e xpect ed  t o  pro vid e  i nfo rm ation   need e d  by  othe r  sens ors  [ 3] ,  so   that  with  a  certai n  m et ho d  can  infe r  the  po sit io n  of  an  obj ect   [ 4] .  The   sens or   Node  us ed  sho uld   hav e  a  sm al l  ph ysi cal   siz e,  low  powe r  co ns um ption,  lim it ed  processi ng  power,  s hort  r ange   com m un ic at ion ,  a nd   hav e  a  sm a ll   a m ou nt  of   m e m or y  storag e ,  su c h  as  that  of   Zi gb ee   or   wireless  loc al   area  netw orks   [ 5] - [7 ] .   I niti al ly   the   us e o f  Zi gb ee was  inte nd e d  f or  v ari ous  ty pe s  of   a uto m at ion   syst em   app li cat ion s  du e  to  e ne rg y s avin g  a nd sec uri ty  f act or s  that  are q ualifi ed  [ 8] .    The  o ne  m et hod  that  ca n  be  us ed  f or  in door  po sit io ning  on   WSN  with  Zig bee  is  fi ng e rpr inti ng   [9 ] ,   [10] .  F ro m   sever al   oth e r  m eth ods  t hat  can  be  use d  i n  in door  po sit io ning  ba sed  on  rec ei ved   si gn al   st rengt h  ind ic at io n   (RS S I )  s uc h  as  tril at erati on   an d  t riangulat ion,  f ing e rprintin g  is  a  m et ho d  th at   is  widely   a dopte d  Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng  &  Co m p  Sci     IS S N:  25 02 - 4752       Impr oved fi ng e rp rinti ng  perf orma nce  in  i ndoor  posit ion in g by re duci ng  dura ti on  of the…  ( And ik a M uharam )   237   because   of  it s h ig h  le vel o f  a ccur acy   [11] . Th e  fi nger pr i nting   m et ho d  c onta ins  tw o  m ain   w ork  phases,   nam el y  trai ning  (off li ne - phase )   [2]   and   po sit io ning   (o nline - ph ase )   [12],  [13].   I n  the  first  ph a se s   (trainin g)   is  the   process  of  coll ect ing   data  s  (e xam ple:  RSSI)   fr om   each  sen so r  Node  that  is  colle ct ed  in  a  database  w hic h  can  la te r  be  us e d  as  ref e ren ce  da ta   to  help  in fer   the  posit io n  of  an  obj ec t  carried  ou t  i n  the  sec ond  ph a se   (positi on i ng ) .  The  m or e  N od es  are  us e d,   in   wh ic h  the   tim e  nee ded   duri ng  trai ni ng  pro c ess  is  m uch   lo ng e r   wh ic h wil l reduce the  p e rfo r m ance of th e  s yst e m .   Ur a dzins ki   et   al .   [ 14]   di d   resea rch ed   on  a dvance d  i ndoor   posit io ni ng  us i ng  Zig bee  wireless   te chnolo gy  with  the  finger pri nting   m et ho d.  The  pur po se  of   his  re searc h  is  to  raise  t he  le vel  of   ac cur ac y   durin g  t he  pos it ion ing  ph ase .   To   achie ve  t hi s   goal ,  Ur a dzi ns ki   un der ta ke s  tw o  sta ges  of  work,  t he  fir st  i s   filt ering   out  in te rf ere nce  si gnal s  in  the  m easur em ent  area  s o  that  r efe ren c e  data  in  t he  da ta base  can   be   m or e   accurate.  T he  seco nd   ste p  is   to  m ake  a  com bin at ion   of   the  weig hte d  ne arest  neig hbors   al gorithm   with  the  Ba ye s  al go rith m .   The  sens or  Nodes  us e d  a re  4  Zig bee  as   ref ere nce  N odes   with  im ple m entat ion   hardw a re .  The  m easur em ent  area  is  42.5x4.96  m   with  t he  div isi on   of   t he  area/m app ing   a rea  into  10 8  ref e re nce  points  at   1.6 m i nterv al s . F r om  h is r ese arch, there was  an  incr ease i n ac cur acy  whe n add in g  filt erin g  w hen  taki ng RSSI  values  i n  the  f ing e rprintin g  m et ho d.   The  s ta nd a rd   de viati on   for  the  m easur em ent  area  ov e r  distances  above   40 m  is 0 .51 m .   Ou  et   al .   [ 15]   did   rese arc h ed   on  in door  pos it ion ing   with  the  pro xim i ty   m et ho d  w hic h  was  ap plie d  us in g  I EEE  802.15.4  (ZigBee ).   Zig bee  was  chosen  beca use   it   has  a  low  cost,  lo w  powe r  co nsum ption ,   sm a ll  siz e  and   is  easy   to  us e  com par e d   to  W iFi ,  so   it   is  ver y  su it able  for  s hort  distance  wireless  tra nsm issi on  syst e m s.  The  par am et ers  us ed  as  m easur ing   m a te rial   are  tim e  of   arr iva l  (TO A ),   ti m e   diff e ren ce  of   arr ival   (TDO A) ,  a ngle   of   ar rival  (AOA),  an d  recei ved   si gn al   stre ng t h  ind ic at io n  (RSSI).  Wh e n  colle ct ing   RSSI,   o u  us es  a  m od ific at ion   of  the  prox im ity  m e thod,  w hich  is  tria ngulati on   betw een  the  two  ini ti al   ref eren ce  Nodes   com bin ed  s o  t hat  they   i nters ect   to  form   a  new  re fer e nce   N od e .  T he   ti m e  require d  is   faster   an d  co m plex  cal culat ion s a r e re du ce d. Th e  r es ulti ng  a ve r age e rror i s 0.42 m .   F onsek a  an d  S andrase gar a n  [ 16 ]   did   resea rc h ed   on  in door  po sit io ning  for   IoT  ap plica ti ons  us in g  the  fin gerpr i nting   m et ho d  t hat  is  app li e d  us i ng  W i Fi.  T he  al gorithm   us ed  is   pro bab il it y  and   wei gh te d  k - near es t   neig hbor  ( WKNN),  as  well   as  a  co m bin at ion   of   bo t h.   The  aim   of   h is  research   is  to  i m pr ov e  the  perfor m ance   of   t he  fin ge rpr inti ng   m et ho d  in  te rm s  of   preci sion ,  acc ura cy   and   dura bili ty .  In   the  offli ne  phase,  al l  W i Fi  sign al s  co ntained  in  the  re s earch  area  a re   read   inf or m at ion   su c h  as  sign al   le vel  (RSS) ,  si gn al   qu al it y,   mo du la ti on   an d   m edia m edia  acce ss  co ntro l   ( MAC )   a ddres s.  RSS  val ues  that  ha ve  bee n  read   a re  entere d  int o  a  database   that   will   be  use d  as  input  in  t he   on li ne  phase .  In   t he  res earc h  area  of   6  m   x  6  m ,  49   ref e r ence  po i nts  we re  0.5  m   away,  with  a  ta r get  ta r ge t  sta ti on ,  li ne  of  sig ht   ( L OS )  c onditi ons,  us in g  5  acce ss  po i nt s  and  a  com bin at ion  of   pro ba bili ty   and   WK N N   K=3   al gorith m s   ob ta ined  a n  erro r  distan ce  of   0.4 757  m ,   it s   pr eci sio n  inc re ases to 88%.  I n t he  stud y area  of   5m x3 m ,  the target d e vice m ov es to n on - LOS  c onditi ons,  with   K  =  7  a n  e rro r   distance  of 0.4 025  m  is obtai ned, its  pr eci si on inc reases t o 9 9%.   AlSh am aa  et   al .  [17]   di d  re searche d   on  l oc al iz at ion   of  s ens or s   in  i ndoor   wireless   ne tworks:  A n  ob s er vation  m od el   us in g  WiFi  RSS.  The   m et ho d  us ed   is  fing e rprint ing   a nd   cl us te rin g  with  hardw a r e   i m ple m entat io n  in   the  WL AN  li ving  la b  e nv i ronm ent  of   Tr oyes  Un i ver sit y  of   Tech nolo gy,   Fr a nce.     The  par am et er  us e d  is  the  R S S  W iFi   of   each   acce ss  poi nt  ( AP )   at   that  loc at ion   with  a  re search   area  of  500  m 2   div ide d  int o  19   cl us te rs.   Wh e n  ex per im enting  with  c om bin ing   fin gerpr i nting   a nd   cl us te ri ng   m et ho ds   without  AP   Sele ct io n,  ob ta ine d  an  accuracy  rate  of   88 .21%  durin g  the  trai ni ng   phase  an d  86 . 26%  du ring   t he   po sit io ning  ph ase. W it h  the  a dd it io n  of  the A P  sel ect ion   m et hod,   the  acc uracy   increases to  92. 78 % dur i ng   t he  trai ning  ph ase   an d  90. 42%  durin g  the   pos it ion ing  phase .   H ow e ver,  with  the   ad diti on  of  the  AP   S e le ct ion  m et ho d,  it   will   ad d  pr ocessin g  ti m e  to  the  t rainin g  ph a se.  AlSh am aa  al so   m ade  a  com par is on  bet wee n  the   m et ho ds  car ried  ou t  with  m et ho ds  that  oth e rs  hav e   done   suc h  as:   K - near e st  nei ghbo rs,   Naive   Ba ye s,  m ul ti no m ial  log ist ic   regressi on,  ne ur al   netw or ks   a nd  S VM .  From   al l  the  m et ho ds  car ried  ou t  e xperim e nts  on   the sam e  en vir on m ent, scen a r io an d dev ic e ,  t o  get r es ults with h ig h  accu rac y, it  r equ ires m or e ti m e  d ur i ng the  trai ning  ph as e  in f i ng e rprintin g .   In   this  w ork ,  we  pro pose  a  stud y  to  im pr ov e  the  per for m ance  of   the  le vel  of   sp ee d  in  te r m s  of   processi ng   ti m e  o n  t he  trai ni ng   ph as e  of   the  fin gerp rint ing   m et ho d  for  indo or   posit ion in g  with  c ertai n  al gorithm s  by  hard war e  im ple m entat ion   us ing  Zig bee.   T he   outp ut  gen e r at ed  w he n  us i ng  certai n  al go rithm s   can  red uce  t he   processi ng   ti m e  in  the  trai ni ng   phase.  Thi s  resea rch  was   co nducted   in  an  act ual  r oo m   with  a n  area  of   in door   area  that  is  3   m  x  3. 6   m   (e m pty  sp ace).  The  m et ho d  us ed  is  finge rprintin g  for  indo or   po sit io ning  with  WSN.  T he   com m un ic at i on  prot oco l  s ta nd a rd   us e d  is  IEEE  802. 15.4  (Zi gBee) .  Th e   par am et ers  ta ken   in  the  fin ge rprintin g  m et h od   a re  RSS I  ( r ecei ved   stre ngth  sig nal  ind ic a tor)   from   each  sens or   Node.  Eac h  se ns or  N od e   is  pl aced  in   an   ide al   conditi on / LOS ,   so  that  t he   infl uen ce   of  the  h um an  bo dy   and  furn it ure  ca n  be   igno red   [ 18 ] .   This  st ud y  use d  tw o  m easurem ent  m et ho ds  w hich  wer e   c arr ie d  out  duri ng  the   trai ning  ph a se.   The   res ults  of  the  durati on  of  the   tw o  m et ho ds  are   the n  c om par ed  s o  w e  get  data  to   gi ve  a   con cl us io n.   T he   pap e r  is  or ga nized,   s ect ion  2  deals  with  t he  re sea rc h  str at egy  perform ed  in  this  w ork  an d  Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   2 4 , N o.   1 ,  Oct o ber   20 21 :  23 6   -   24 4   238   how  t he  proce dures  fixe d  ta r get  pa ram et er  (F TP )  a nd  m ov in g  ta r get  para m et er  (MTP)   are  im ple m ented  in   fin gerpr i nted  m et ho d.   Sect ion   3  de scribe s   the  m easur e m ent  resu lt s  f or   var i ou s  sce nar i o  an d  it s  analy sis.  Sect ion   4 giv es  the c on cl us io n o f  the  p a per.        2.   RESEA R CH MET HO D   Fo r  t he  propos ed  m od el ,  we  us e  zi gbee  devi ces  that  are  c oupled  with  a  m esh  netw ork  topolo gy  to   form   a  wireles s  sen sor  netw ork .  WSN  cat e gory  us e d  is   str uctu re  WSN,   the  se nsor   N od e  is  placed  i n  a  fixed   po sit io n  pe rm a nen tl y,  so   as  t o  re du ce  netw ork  savi ngs  an d  m anag em ent   costs  [19] .  I n  gen e ral,  eac h  sens or   Node  co ntains   4  su b - syst em s,  nam el y:  Co ntr oller  sub - sy stem ;  Co m m u nicat ion   s ub - sy stem ;   Sens in g  sub - syst e m ;   and   Power  S upply  sub - syst em s  [2 0],  [21] .  Zigb ee  can  be  us e d  as  a  sensor  N od e  because   each  s ens or  do e s  no t  re quire  wide  ba ndw idth,  but  requi res  low  la te nc y  and   low  en e rg y  co nsum pti on.  Zigbe e  has   been  introd uced  by  IEEE  a s  a n  IE EE  80 2.15.4  c omm un ic at ion   sta nd a rd  [ 22]   that  w orks   at   2, 4  Gh z   f reque nc y  [23] .  The re  a re  seve ral  netw ork  to po l og ie s  that  c an  be  use d  on   WSN,  one  of  them   is  the  Mesh   To polo gy  that  is  of te n  us ed   be c ause  it   has  a   high  redu nd a nc y  [24] .  T he  pa ram et er  us ed  from   each  N ode  is  RS SI  w hi ch  is  app li ed  t o  indo or  p os it io ning.  RSSI  is  short  f or   Re cei ve d  Si gn al   Stre ngth  I nd ic at or, w hic h  m eans  an  indi cat or  of  th e sig nal  st rength   posses s ed  by  a w irel es s  tran sm issi on   dev ic e   bet wee n  on e  d evice  a nd  an othe r  [ 25] .  RSSI   is  al so   a  sta nd ard   pa ram et er  in  wireless  co m m un ic at ion   that  is  of te n  use d  by  oth e r  re searche rs  [ 26 ] .   In   this   stud y  RSS I  w as  cho se n  bec ause  it   can  be   us ed  for  the  f ing e rprintin g  m et ho d  with  the  distance  from   each   sens or   Node  th at   is  cl os e  enough.   RS SI   m ea su rem ents  can  ref le ct   a  dis ta nc e  betwee n  eac h  sen sor  N ode.   The   far the r  th e  dist ance  betwee n  t he  se nsor  N odes,  the  sm al le r  the  RSS I  valu e  obta ined .  T he   m a in  obj ect i ve  of   this resea rch is  to  a pp ly  the  RSSI   data c ollec ti on  m et ho d  i n t he  trai ni ng ph ase w hich  is  m or e  ef fecti ve  s o  as t o  r ed uce  the  dur at ion   of  the  processin g  ti m e  i n  the  trai ni ng   ph a se.  T his  sect ion   will   disc us s  incl ud i ng   r esearc h  fo c us ,  researc h  flow,  fin gerp r inti ng   m et ho ds  in  indoor  posi ti on in g  an d  RSSI  data  colle ct ion   m et ho ds   in  the   trai ning  ph as e.     2.1.     Rese arc h st r ate gy   W i reless  se nso r  net wor k  ( W SN )   ha s  m any   ap plica ti on s  t hat  can   be   ap plied  in   it ,  su c h  as  i ndoo r   po sit io ning.  D et erm inati on   of  the  l ocati on  of  ob j ect s  in  a n  indoor  a rea  ca n  be  do ne  with   a  va riet y  of   m et hods ,   on e  of   wh ic h  is  fing e rprintin g.   T her e  are  s ever al   m et ho ds  that  can  be  us e d  for  in door  posit ion in g/i ndoor   local iz at ion   sy stem s  (I LS )  [ 27 ] ,  su c h  as   pro xim it y,  trian gula ti on,  fin ge rprintin g,   dea d  re ck onin g.   I n  the   fin gerpr i nting   m et ho d,   the re   are  two  m ai n  ph ases ,  nam e ly   the  trai nin g  ph ase  an d  th e  po sit ion i ng   ph a se.     The  f oc us   of  this  resea rch   is  to  optim iz e  the   trai nin g  phase   in  the  fin gerp r inti ng   m et ho d.  In si de  there  a r e  two  m et ho ds,  nam el y  fixed   ta rg e t  par am et er   (F TP )  an d  m ov ing   ta r get  pa ra m et er   ( MTP )  wh ic h  is  a  m eth od  for  retrievin g  RSS I  data  in  the  trai nin g  ph a se.   Af te r  knowin g  the  fo cu s  of   t he  resear ch  to  be  co nducted ,  the  nex t   ste p  is  to  m ake  a  research   flo wch a rt  to  achi eve  the  ob j ect ives  of  the  rese arch.  The  re se arch   fl ow c ha rt  can  be   seen i n  Fi gure  1 .           Figure  1 .   Re se arch flo wc har t     S T A RT F IN IS H L IT E RA T U RE  RE V IE W CO N F IG U RIN G  W S N   H A RD W A RE  W IT H  Z IG BE E A N A L Y S IS  A N D   CO N CL U S IO N S t a rt  A ppl i c a t i on  of T he   F i nge rpri nt i ng M e t hod A P P L ICA T IO N  O F  T H E   F IN G E RP RIN T IN G  M E T H O D M a ppi ng T he  M e a s ure m e nt  A re a M e a s ure m e nt  w i t h T he  F i xe d T a rge t   P a ra m e t e r (F T P ) S c he m e M e a s ure m e nt  w i t h T he  M ovi ng  T a rge t   P a ra m e t e r  (M T P )  S c he m e D one N ode  X  M e a s ure s  T he  RS S I of  A l l   S e ns or N ode s  i n e a c h M a ppi ng  A re a A l l  N ode  S e ns ors  M e a s uri ng  RS S I  N ode   X  w he n M ovi ng RS S I M e a s ure d R e fe re nc e  N ode s  i n A l l  M a ppi ng  A re a s M e a s ure m e nt  D ura t i on M T P   <   F T P  ? Ch a nge  i n M ove m e nt  S c he m e N ode  X Y e s No Re fe re nc e  D a t a ba s e Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng  &  Co m p  Sci     IS S N:  25 02 - 4752       Impr oved fi ng e rp rinti ng  perf orma nce  in  i ndoor  posit ion in g by re duci ng  dura ti on  of the…  ( And ik a M uharam )   239   The   researc h  m et ho d  is  ca rr i ed  ou t  with  se ver al   sta ges  in  accor da nce  wit h  Fi gure  1 .  Fi r st,  li te ratur e   rev ie w  sta ge ,  r ead  s om e  of   th e  ref e ren c es  of  pr e vious  jour nal / researc h  w rite rs  to  l ook  f or   pro blem s  that  are  deem ed  neces sary  to  de v el op  or  co ntin ue  their  resea rch.   Config ur i ng   WSN  ha rdwa r e  with  Zig bee   sta ge,   determ ine  the  po sit io n  of   eac h  se ns or  Node,  in  or der   t o  obt ai n  an  i deal  res ult,  nam el y  the  li ne  of  sig ht  ( LO S )   to  the  ref e re nc e  N od e   ( Node  X) .   A ppli cat ion   of   t he  fin gerpr i nting  m e tho d  sta ge.   I niti al ly   the  m app ing  of   t he   m easur em ent  area  is  carrie d  ou t  acco r ding   to  the  co nd it ion s  i n  the  fiel d.   T he  pa ram e te r  m easur e d  is  RSSI   (r ecei ve d  si gn al   stren gth   i ndic at or )  from   No de   X  a nd  al l  sens or   N od es   in  eac h  m app in g  area .  RSS I  s ens or  Node   r e fer e nc e  that  is  read   by   No de  X  is  entere d  into  the   database  w hich  will   be  us ed  as  the  nex t  refe ren ce   value.   m easur e m ent  of   RSSI  at   the  trai nin g  sta ge  in  the  fin gerpr i nting   m e thod  is  done  in   two  ways,  na m el y  fixe d  ta r get  pa ram et er  (F TP)  an d  m ov in g  t arg et   p a ram et e r  (MT P).  F rom   the  res ults  of  the  FTP   an d  MT P   m et ho d,   t he  durati on  of  the   trai nin g  phas e  is  then  co m par ed  and   a naly zed.  T he n  The  A naly sis  an d  Con cl us io ns   st age.  from   the  r esults  of  m easur em ents  an d  data  processin g  that   has   bee n  ob ta i ned,  will   fin d  a   con cl us io n fro m  a stud y.     2.2.    Fin gerpr inting  met hod   In   the  fi ng e r pri nting   m et ho d,  there  are  tw o  ph a ses  of  the  process  that  m us t  be  car ried  ou t,  nam el y  trai ning  a nd  posit ion i ng.  I n  t he  trai ning  ph a se,  the   N ode   X   sens or  is  fi rst  m app ed   into   th e  sm app ing  s c hem e  in  accor da nce  with  the  m easur em ent  locat io n  ap plied.  N ode   X  can  know  the  RSSI  val ue  of   each  se nsor  Nod e   arou nd   it ,  t he n  the  values  a re   entere d  i nto   a  database   that  will   be  us ed   as   a  re fer e nce  va lue  in  t he  nex t  ph a se.   In   this  stu dy,  the  i m ple m entat ion   was  car rie d  out  in  an  in door  room   (em pt y  sp ace)  ideal   con diti on  ( sens or   Node   LO S)   wi th  a  siz e  of   3  x  3.6  m 2 .   The  po sit io n  of  the   ref ere nce  N ode   sensor  is  placed  at   a  heigh t  of   2  m et ers  and   Node   X  is place d  on   a 60  cm   wh eel ed  chair .  A n  il lustrati on   of the  posit ion  o f  the  sens or  N ode   ca n  be  see n  i n  Fi gure  2 .               Figure  2 .  I ll us t rati on of se nso r  N ode   placem ent       Node  X  is  a  se ns or  Node  a s  a   ta rg et   locat io n  that  you  wa nt  to  kn ow   it s  loc at ion   by  colle c ti ng   RSS I   inf or m at ion   from   the  sensor   ref e ren ce   N odes  that  a re  ar ound  it ,  nam ely  Node  A,   Node  B,  a nd  N ode  C .   Term inals  are  connecte d  di re ct ly   to  Node  X  to   see  th e  s urrou nd i ng  RS SI   in   real  ti m e .   I n  th e  FT P  m et ho d,   Node   X  is  in  an  area  t hat  ha s  bee n  m app ed  first .  N od e   X  colle ct s  RSSI  data  from   each  re fer e nc e  N ode   al te rn at el y  in  each  de sig nated   area.  T he  sche m e  is  m ade  in  accor da nce  wit h  the  dim ension s  of  the  s pace   us e d   as a  place o f re search , as  sho wn in Fi gure   3 .     In   Fig ur e   3 (a),   t he  locat io n  m app in g  sc he m e  was  create d  by  di vid in g  t he  m easur em e nt  area   by  30   m app in g  areas .   Each  of  these   m easur em ent  areas  is  60   x  60  cm 2 .  The  div isi on   of  these  areas  is  exp ect ed  to   i m pr ove  the  posit ion i ng   res ul ts  m or e  accu r at el y.  Af te r  th e  m app ing   sc hem e  is  create d,   the  nex t  ste p  is  to  determ ine  the  locat ion  of  the sen s or  N ode  th a t  will   be  us ed  as  a  ref e ren ce . Th e  sc hem a  se ns or  re fer e nce N ode   placem ent  is  seen  in Figure   3 ( b) .   T he  se ns or N ode u se d  in   this  stu dy  use s 4   se nsor  N od e u nits, 1  unit   as N ode   X  an d  3  oth e r   un it s  as  sens or   re fer e nce  N od e s  (No des  A,   B,  an d  C).   In   the  FTP  m et ho d,   Node   X  in  a   sta ti on ary  sta te   in  on e  of   the  m app in g  areas   m easur es  the  RSSI  of  each  s ens or   N ode  refe ren ce  ( N od e s  A,   B   and  C)   agai ns t  N od e   X .  T hes e  m easur em ent s  are   re peated   on e   by   one  i n  each  m app in g  area  (A1 - F5).   The n  the m easur ed R SSI   value  is s tore d   in  the  dat abase  w hich w il l be u se d  as  a  ref e ren ce  v al ue .   In   the  MTP  m et hod,   N ode  X  in  the  m ap ping  area  is  not  at   rest,  bu t  there  is  m ov e m ent  with  an   aver a ge  s peed   of   0.06   m /s.  As  Node  X  m oves,  the  refe re nc e  Node  sen sors  ( Node  A ,  B  and   C)  retrieve   data  /  m easur e  t he  RSSI  N od e   X   val ue  of  eac h  se nsor   N od e  re fer e nce.   Il lustrati on  of  Node  X   m ov e m ents   perform ed  can  be  see n  i n  Fi gure  4 .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   2 4 , N o.   1 ,  Oct o ber   20 21 :  23 6   -   24 4   240       (a)   (b)     Figure  3 .  Tar ge t posi ti on   a nd  sens or   N ode re fer e nce  m app i ng sc hem e           Figure  4 .  I ll us t rati on of  Node   X  m ov em ent o n  MTP  in  t rain ing   phase       Figure  4  il lust r at es  the  m ov em ent  of   N ode  X  in  the  MT P  m et ho d  wh ic h  si m ultaneou sly   each  sen sor  Node  re fer e nc e  ( N od e   A,   B  and   C)  ta ke s  the  le vel  of   RS SI   N od e  X  to  the  sens or  Nod e  ref ere nce.  La te r  the   RSSI  val ue  is  proc esse d  an d  com par ed  to  m at ch  the  RSSI  value  in  the  FTP  m et ho d.   The  ap pro pr ia t e  RSSI  value wil l be  used as  the  ne xt  ref e ren ce  v al ue  for  t he posi ti on in g ph a se.       3.   RESU LT S   A ND  D IS C USS ION   In   t his  te sti ng   and   m easur em ent  phase,  it   use s  two  m et ho ds   as  e xpla ine d  in   t he  pre vio us  cha pter ,  nam ely  the  fi xed   ta r get  para m et er  (F TP)  and   m ov in g  ta rg et   pa ram eter   (MTP)  m eth ods.  B oth   of   these  m et ho ds   a re  use d  du rin g  the   trai ning  phas e  in  the  fin ge r pr i nting   m et hod  to  c ollec t  R SSI   data  from   each   sens or   N od e  r e fer e nce a nd it s v al ue  is e ntere d  int o  the  data base in t he fo r m  o f  a ref e ren c e v al ue  table t ha t wil l   be use d  at  the   po sit io ning sta ge.     3.1.    Measure ment o f  t he  fixed t arg e t  p ar amet er  met hod   Me asur i ng  ste ps   a re  ca rr ie d  ou t  i n  acc orda nce w it h  t he  m easur em ent  m e thod p la nne d  i n   the  p re vious   chap te r.   T he  fi rst  m easur e m e nt  m e tho d  is  done  by  the  FT P  m e tho d.  N ode  X  is  in  one   of   the  a reas  t hat  has   been m app ed b efore  (ex am ple: area B3 )  i n  a  sta ti on ary c ondi ti on , as  sho wn in F i gure  5 .   In  Fig ure  5   is   a   m easur em ent  schem e carr ie d  ou t i n  the co ndit ion  of line of sigh t (L OS), N ode X  in  a  sta ti on ary  co ndit ion   in  A rea   B3  gets  the  RSSI  val ue  fro m   the  ref eren c e  Node  (A,  B,  and   C) .  The n  the  RSSI   value  is   ente re d  int o  t he  database  w hich  will   be  us e d  as   a  r efere nce  value .   The   dur at ion  of  the  t rain in g  ph a se   with F TP i n  Area   B3 ta kes 10  seco nd s  for ea ch refe ren ce  Nod e .   In   Fig ur e  6  c onta ins  the   dura ti on   of   c reati ng  a  ref e ren ce  da ta base  in  t he  t rainin g  ph a se  with  FT P  in   each  cal culat io n  area  f or   3  r efere nce  N ode s  (A ,  B  an d  C).  The  X - a xis  sh ows  the  li st   of   areas  that  RSSI   m easur em ents  hav e   bee n  m ade  by  N ode  X   again st  the  re fer e nce  Node,  nam ely  areas  A1  to  F5.  T he   Y - axis  determ ines  the   tim e  (in  sec onds )   to  ta ke  RS SI   m easur em e nts  in   each   m a pp i ng  area .  T he   ∆t   N ode  A  ba r  c har t   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng  &  Co m p  Sci     IS S N:  25 02 - 4752       Impr oved fi ng e rp rinti ng  perf orma nce  in  i ndoor  posit ion in g by re duci ng  dura ti on  of the…  ( And ik a M uharam )   241   sh ows   the  dura ti on   of  the  R S SI   m easur em e nt  unti l  in pu t  i nto   t he  databas e  by  Node  X  a gainst  N od e   A .   The   ∆t   Node  B  ba r  ch art  shows  t he  durati on  of  the   RSSI  m easur em ent  un ti l  the  input  into  the  database  by  N od e   X   against  N ode  B.  The  ∆t   No de   C  bar   char t  sh ows  the  inc re ase  in  RSSI  to  input  i nto   the  da ta base  by  Node  X  t o  Node  C.  The  durati on  of  the  trai ning  phase  with  FTP  re qu ires  an  ave rag e   tim e  of   30   sec onds   in  eac h  area  to  cal culat e  fo r  the  us e  of  3  r efere nce  N od e s.   The  m or e  sens or   N odes  use d  an d  the  la rg e  num ber   of  area   m app in gs ,  the  m or e  tim e i t t a kes  t o  c ollec t r efere nces.           Figure  5 .  RSS I  m easur e m ent in a rea  B3  s c he m e           Figure  6. G raph  of trainin g p hase  process  dur at io n wit h F TP       3.2.    Measure ment o f  t he m ov in g t arg e t  p arameter  met ho d   The  seco nd  m et hod  in  the  tr ai nin g  ph a se  is  us in g  MTP.  In   this  m et ho d,  the  ref e ren ce   Node  ta kes  RSSI dat a fro m  the  m ov in g   Node X . In Fi gure  7  s hows  t he  N ode  X  m oves f r om  the r ef eren ce  N od e  ( Node A)  to  oth e r  re fer e nce  N ode  ( Node  B).  Wh e n  Node  X  sta rts  to  m ov e,  each  ref e ren ce  Nod e  (A ,  B,  a nd  C)  ta ke s   RSSI  data  fro m   No de  X.  I n  Fig ur e   7  is  t he  first  Node   X  m ov em ent  m od el   on  MT P,  the re  a re  2  othe r  m ov e m ent  m od el s,  nam ely  from   area  A3   t o  Ar ea  F3   a nd  f r om   No de  C  t o  area  A 4.   The  r esults  of  the  R SSI   i n   area B3  can  be   seen  in  Ta ble  1.   Table   2  s hows   li sts  the  durat ion   of  the  trai ning  ph ase   wi th  MTP  in   are a  B3.  Of  the  t hr ee  MT P   m ov e m ent  m o dels ,  3  ti m es  the  RSSI  m easur e m ents  wer e  m ade  f or   Nodes  A,   B  an d  C  in  a rea  B3.  I n  the   MTP   m easur em ent  schem e,  Node  X  m ov es  with  a   sp ee d  of  0.0 6  m /s,  so   t he  durati on  nee ded  f or   t he  trai ning  ph a se   with MTP  is a n  a ver a ge  ti m e  of 25 sec onds i n  eac h  m app in g  a rea       Table  1.  RS SI  m easur em ent r esults i n  a rea B 3 wit h  MTP  m et hod   No d e   X   In Are a  B3   RSSI  No d e   A   (dB m )   RSSI  No d e   B   (dB m )   RSSI  No d e   C   (dB m )   Mod el  -   1   - 5 5  /  - 64   - 5 5  /  - 62   - 5 2  /  - 57   Mod el  -   2   - 5 5  /  - 65   - 5 4  /  - 61   - 5 2  /  - 62   Mod el  -   3   - 5 5  /  - 62   - 5 5  /  - 62   - 5 2  /  - 55     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   2 4 , N o.   1 ,  Oct o ber   20 21 :  23 6   -   24 4   242       Figure  7. Illust rati on of the  m ov em ent of  Node X  from  N ode A  t o Node B       Table  2.  List   of traini ng phas e durati ons  with  MTP  in  a rea  B3   No   Mov e m en t   Mod el M T P   Towards   No d e   A,  B an d  C in   Area  B3   (1)   ∆t   ABC - 1   (secon d )   Towards   No d e   A,  B an d  C in   Area  B3   (2)   ∆t   ABC - 2   (secon d )   Towards   No d e   A,  B an d  C in   Area  B3   (3)   ∆t   ABC - 3   (secon d )   Start   End   Start   End   Start   End   1   Mod el 1 ( No d e   A  t o   No d e   B)   1 7 .19 .4 6   1 7 .20 .1 3   0 0 .00 .27   1 7 .32 .5 6   1 7 .33 .2 0   0 0 .00 .24   1 7 .43 .4 0   1 7 .44 .0 7   0 0 .00 .27   2   Mod el 2 (A rea  F3   to   Area   A3 )   1 7 .35 .5 5   1 7 .36 .2 0   0 0 .00 .25   1 7 .36 .0 0   1 7 .36 .2 6   0 0 .00 .26   1 7 .47 .2 4   1 7 .47 .4 8   0 0 .00 .24   3   Mod el 3 ( No d e   C t o   Area   A4 )   1 7 .38 .5 4   1 7 .39 .1 8   0 0 .00 .24   1 7 .38 .4 5   1 7 .39 .0 9   0 0 .00 .24   1 7 .49 .2 5   1 7 .49 .4 8   0 0 .00 .23   Av erage Duratio n s  of  eac h   Area  pe r - 3  No d e s  (secon d )     0 0 .00 .25     0 0 .00 .25     0 0 .00 .25       3.3.    Data pr oc essing  and  analysis   Fr om   the  re su l ts  of  RSS I  m e asur em ents  wi th  the  fixe d  ta rg et   par am et er  (F T P)   a nd  m ov i ng  ta r get   par am et er  (MTP)  m et ho ds   tha t  hav e  bee n  car ried  ou t,  sam ple  m easur em ents  are  ta ke n  in  Ar ea  B 3.   T he  RSS I   m easur em ent  resu lt s  is  showe d  Ta ble  3.   Tab le   3  sho ws  that   the  RSSI  valu e  m easur ed   by   FTP  is  cl os e  t o  th e   RSSI  value  m easur e d  by  MTP.  Wh e n  m e asur i ng   us i ng   t he  FT P  m et ho d,   a n  a ver a ge  tim e  of   30   sec onds   is   require d  in  ea ch  m app in g  ar ea,  w hile  the  MTP  m et h od   requires  a n  a ve rag e  ti m e  of   25  seco nds  in   each   m app in g  area .  In   t he  MTP  m e thod,  it   can  be  seen  f r om   sever al   gr a phs  that  hav e  bee n  displ ay ed  that  the  r ange   of  the  l ow e r  a nd  up per  lim its  of  the   RSS I  ob ta ine d  is   cl ose   to  m easur e m ent  by  the   F TP  m et ho d.  S o  t hat  the   MTP m et ho d  c an  im pr ove the  eff ic ie nc y o f  t he fin gerpr i nting m et ho d  th at  is ap plied t o  i ndoor  posit ion i ng.        Table  3.  C om par iso n o f  RSS I FTP a nd MTP   m easur em ent r esults i n  a rea B 3   No d e X   In Are a  B3   RSSI Nod e A   (dB m )   RSSI Nod e B   (dB m )   RSSI Nod e C   (dB m )   FTP   - 5 6  /  - 62   - 5 2  /  - 58   - 5 0  /  - 60   MT P  Mod el  -   1   - 5 5  /  - 64   - 5 5  /  - 62   - 5 2  /  - 57   MT P  Mod el  -   2   - 5 5  /  - 65   - 5 4  /  - 61   - 5 2  /  - 62   MT P  Mod el  -   3   - 5 5  /  - 62   - 5 5  /  - 62   - 5 2  /  - 55       4.   CONCL US I O N   Ind oor  posit io ning  with  the  f ing e rprintin g  m et ho d  is  ve ry  eff ect ive  a nd   accurate  w he n  us e d  in  sm all   indoor  ar eas.  Eff ic ie ncy  in   the  trai ni ng   ph ase  will   i m pr ove  the  perf orm ance  of   t he  fin gerpr i nting   m et ho d.   Tw o  m et ho ds   hav e   bee n  us e d  du rin g  the  t r ai nin g  pha se,   nam ely  MTP  ( m ov ing   ta r get  par am et er)   an d  FTP   (f ixe d  ta r ger   pa ram et er) .  The   MTP  m et ho d  o n  t he  trai ning   ph ase  of   fin ge rprintin g  can   i ncr ease   t he  ef f ic ie ncy   of   the  pr ocess   du rati on   in  c ollec ti ng   RSSI   data  fr om   eac h  sens or   Node   in  the  m app in g  area  by  16%   o r  5  seco nd s  f ast e r t han   us i ng the  FTP  m et ho d.   A s  a  sug gestio n  f or   furthe r  re search ,  f or   e xa m ple  the  Node   X  m ov em ent  schem e  can  be  adjusted  t o  the  co ndit ion s o f  t he  m app ing  area,  s o  that  al l  areas  can b e  e xceed e d  a nd  al l  RSSI  f ro m   each  se ns or N od e  ca n  be  m e asur ed  i n  one  m ov em e nt  m od el ,  su ch   as  zi g - zag   or   li ke  a  sine  wa ve .  F or   t he  pur po s es  of  preci s ion   in   the posit io ning  stage,  m or e th an 3  un it s  of se ns or  ref e re nce  Nodes a re  nee ded .   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng  &  Co m p  Sci     IS S N:  25 02 - 4752       Impr oved fi ng e rp rinti ng  perf orma nce  in  i ndoor  posit ion in g by re duci ng  dura ti on  of the…  ( And ik a M uharam )   243   ACKN OWLE DGE MENTS   The  a uthors  w ou l d  li ke  to  t ha nk   U niv e rsita s  Me rcu   B uana,  a nd  the  Ind on e sia n  Highe r  Ed ucati on   (Rist ekBRIN )  for  s upportin g  this  re searc h.  W e  a ppreciat e  your  s uppo r t  for  c omm ent s  or  s uggestio ns   t o  i m pr ove this  re search .       REFERE NCE S   [1]   W .   W ebb,   " Wir e le ss   Comm unic a ti ons: The  Fut ur e ,"   Chi che st er,  UK :  John W il e y   &  Sons ,   L td, 20 07.     [2]   X.  Fang,   Z.  Jia ng,   L .   Nan ,   and   L.  Chen ,   “ Opti m al   weighted  K - nea rest   nei ghbo ur  al gor it hm   for   wire l ess  sensor   net work  fing erp rint   lo ca l isat ion   in  nois y   env iron m ent , ”  I ET  Comm un. ,   vol .   12,   n o.   10,   pp .   11 71 - 1177,   2018,   do i:   10. 1049/iet - com . 2017. 0515 .     [3]   A.  Adria ns y ah, H.   Suw o y o,   Y.   Ti an ,   “ Im proving  the   wa ll - fol lo wing  robot  per fo rm anc e  using  PI D - PS O  Control le r, "   Jurnal  Tekno log i ,   vo l. 81,  no.   3,   pp.   119 - 126 ,   20 19,   doi :  10 . 1111 3/j t. v81 . 13098 .     [4]   Z.   Farid,   R.   Nor din,   and  M.  Ismai l ,   “ Rec ent   adv anc es  in  wire l ess  indoor  loc al izati on  techniqu es  and  sy st em,”   J.  Comput.   Ne tworks  Comm un. ,   vo l .   2013 ,   2013 ,   doi :  10. 1155 /2013/185138.     [5]   J.  La rr ana g a,   L.   Muguira,   J.   M.  Lope z - Gard e,  an d  J.  I.   Va zquez,   “ An  envi ronm ent   ada p ti ve   Z igB ee - base d   indoo r   positi oning  al go rit hm , ”  2010   Int .   Conf .   Indoor  Posit ion.  Indoor   Navi g .   IPI N   20 10  -   Conf .   Proc . ,   no.   Septe m ber ,   2010,   pp .   15 - 17 ,   doi: 10. 1109 /IPIN.2010. 5647828 .     [6]   R.   B.   Bah awe re s,  S.  Mokogint a,  and  M .   Ala y dr us,  “ Com par ison  of  m et hods  for   l ocalizing  th e  so urc e  posi ti on  o f   dea uth ent i ca t ion   at t ac ks  on   W AP   802. 11n  using   Chana l y z er   and   W i - Sp y   2 . 4x, ”   Journal  of  Phy s ic s:  Confe r enc e  Serie s ,   Int ern ati onal   Confer ence  on  Com puti ng  and  Applie d  Inform at ic s,  Me dan,   Indone si a,  vol.   801,   201 6,   doi: 10. 1088 / 174 2 - 6596/801/ 1/01 2056.     [7]   A.  Singh,  S.  Kum ar,   and  O.  Kaiwa rt y a ,   “ A  H y brid  Lo ca l iza ti on  Algorit hm   for  W ire le ss   Sensor  Networks,”   Proce dia   Comput.   S ci. ,   vol. 57, p p.   1432 - 1439 ,   2 015,   doi :  10 . 101 6/j . pro cs. 2015. 0 7. 464.     [8]   A.  W hee ler,  “ C om m erc ia l  app lications  of  wire les s  sensor  net works   using  Zi gBe e , ”  I EE E   Comm un.   Mag. ,   vol .   45 ,   no.   4 ,   pp .   70 - 77 ,   2007,   doi: 10. 11 09/MCOM . 2007. 343615.     [9]   R.   F.  Brena ,   J.   P.  Garc ía - Vá z quez ,   C .   E.   Ga lvá n - T ej ad a,   D.   Muñoz - Rodrigue z,   C .   Varga s - Rosale s,  and  J .   Fangm e y er ,   “ E volut ion  of  Ind oor  Pos it ioni ng   Te chno logi es:   A  Surve y , ”  J .   Sensors ,   vol.   2017,   2017,   do i:   10. 1155/2017/ 26 30413.     [10]   R.   M.  Dell osa ,   A.  C.   Faja rdo,  and  R.   P.  Medina ,   “ Modifie d   finge rprinting  loc a li z at ion  t echnique   of  indo or  positi oning  s y ste m   base d  on  coor dina t es, ”  Indon e s.  J.  Elec tr.  Eng .   Comput.   S ci .   ( IJE ECS) ,   vol.  15,   no.   3,   pp.   1345 - 1355,   2019 ,   doi : 10.11591/ i je e cs. v15. i3. pp1345 - 1 355.     [11]   S.  Subedi  and  J.  Y.  P y un,   “ Prac tical   Fing erp rintin g  Loc a li z at ion   f or  Indoor  Pos it ioni ng  S y stem  b y   Us ing  Bea cons, ”   J.   S ensors ,   vol .   2017,   2017 ,   doi : 10.1155/ 2017/97 42170.     [12]   X.  W ang,   L.   Ga o,   S.  Mao,   and  S.  Pande y ,   “ Dee pFi:  Dee p  learni ng  for  indoor  finge rprint ing  using  cha nnel   st ate   informati on, ”  2 015  IEEE  Wire l.   Comm un.   N e tw.   Conf .   WCN C  2015 ,   no .   A pril ,   pp.   1666 - 1671,   2015,   do i:  10. 1109/WCN C. 2015. 7127718.     [13]   C.   Kum ar  and  K.  Raj aw at ,   “ Dicti onar y   le a rning  b ase d  finge rpr int i ng  for  indoor  localiza t ion,”  2018  24th  Na tl .   Conf .   Comm un.   NCC  2018 ,   2019 ,   doi : 10.1109/ NCC.2 018. 8600195.     [14]   M.  Uradz inski,   H.  Guo,  X.  Li u,   and  M.  Yu,  “ A dvanc ed  Indoor  Pos it ioni ng  Us ing  Zi gbee   W irele ss   Te chnol og y , ”   Wirel .   P ers.  Co mm un. ,   vol .   97 ,   no.   4 ,   pp .   6509 - 6518,   2017 ,   doi :  10. 1007/s11277 - 017 - 4852 - 5.     [15]   C.   W .   Ou  et   a l. ,   “ A  Zi gBee   posi t ion  t ec hniqu e  fo r  indoor  loc a liza ti on  b ase d  on  pr oximit y   learni ng , ”  2017   IE EE   In t .   Conf.   M ec ha tronic s A u tom.   ICM A  2017 ,   pp.   875 - 880,   2017 ,   doi :  1 0. 1109/ICMA.2 017. 8015931.     [16]   P.  Fons eka   and   K.  Sandra seg ar an,   “ Indoor  lo calizat ion  for   IoT   appl i ca t ions  using  finge rpr int in g, ”  I EE E   World   Forum  Inte rnet   Things ,   WF - I oT  2018  -   Proc. ,   vo l.   2018 - Janua ,   2018 ,   p p.   736 - 741,   do i:   10. 1109 /WF - IoT. 2018. 83551 05.     [17]   D.  Alsham aa ,   F .   Mourad - Cheh a de,   and  P .   Honeine,  “ Loc a li z ati on  of  sensors   in  indoor  wire l e ss   net works :  A n   observa ti on  m odel   using  W iFi   R SS , ”  2018  9th  IFI P  Int.   Conf.   Ne w  Technol .   Mobi l.   Sec ur.  NT MS  2018  -   Proc. ,   vol .   2018 - Janua ,   201 8,   pp .   1 - 5 ,   doi :  1 0. 1109/NTMS.2 018. 8328699.     [18]   I.   Nurhai d a  et  al. ,   “ Im ple m e nta ti on  o f  Dee p  Le arn ing  Pre dic tor  ( LSTM)  Algorit hm   for  Hum an  Mobilit y   Predic ti on , ”   Int .   J.   In te rac t. Mob. Tec hnol . ,   vol .   1 4,   no .   18 ,   pp .   13 2 - 144,   2020 ,   doi :  10. 3991 /i j im.v14i18. 16867.     [19]   Z.   He,   Y.  Ma,   and  R.   Ta fa zo ll i,   “ A  h y brid  dat a  fusion  bas ed  coope ra ti v e  loc a li z at ion  app roa ch  for  cellular   net works , ”  W irel .   Comm un.   Mob.   Comput.   Conf.   ( IWCMC) ,   2011  7th  Int. ,   2011,   p p.   162 - 166,   d o i :   10. 1109/IWCM C. 2011. 5982409 .     [20]   T.   Alhm ie d at a n d  A.  Abu Sa le m ,   “ A h y brid   ran g e - fre e localization   al gor it hm   for Zi gBee   wir eless   sensor ne t works , ”   Int.   Arab  J .   In f.  Technol . ,   vo l. 14 ,   no .   4A Spe ci a l Is sue,   pp.   647 - 6 53,   2017 .     [21]   Sandee p  Verm a,  “ Network  Top ologi es  in  W ire l ess  Sensor  Networks:  A  Revi ew  1, ”  Int.   J.   E l ec tron.  Comm un.   Technol . ,   vo l. 4,  no.   3 ,   pp .   1 - 5 ,   2 013,   doi :  10 . 1. 1 . 308. 796.     [22]   S.  Šafa rić   and  K.  Mala r ić,  “ Zi gB ee   wire le ss   stan dar d, ”  Proc.   Elm ar  -   Int.   Symp.  El ectron.  Mar. ,   no.   June,   pp.   25 9 - 262,   2006 ,   doi :  1 0. 1109/ELMA R. 2006. 329562.     [23]   S.  S.  R.   Aham ed,   “ The   role   of   zi gbee   te chno l og y   in  futur e  d at a  comm unic a t ion  s y stem,”   J.   Theor.  Ap pl.   Inf .   Technol . ,   vo l. 5,  pp.   129 - 135 ,   20 09.     [24]   G.  Venka t ara m a n,   Z .   Feng ,   J.   Hu,  and   P.  Li,  “ Com bina tori a l  a lg orit hm s  for  fast   cl ock   m esh  optim iz at ion , ”   IEEE   Tr ans.  Ve ry  Lar ge  Sca le Int egr .   Syst. ,   vol .   18 ,   no .   1 ,   pp .   131 - 141 ,   2010,   doi: 10. 11 09/T VLSI.2008.2 007737.       Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   2 4 , N o.   1 ,  Oct o ber   20 21 :  23 6   -   24 4   244   [25]   E .   Nav arr o,   B.   Peuker ,   M.  Quan ,   A.  C.   Cla rk ,   an d  J.  Jipson,  “ W i - Fi  Local i za t ion  Us ing  RS SI  Fin ger printing, ”   Test ,  pp.   1 - 6 ,   2010 .     [26]   L.   Pei ,   R.   Ch e n,   J.  L iu,   H.  Kuus nie m i,   T.   Te nhunen ,   and  Y.  Chen,   “ Us ing  inqui r y - base d   Blue toot h   RS SI   proba bil i t y   d ist r ibut ions  for  indoor  positi oning,”  J.   Glob.   Position.  Syst. ,   vol.   9,   no.   2,   pp.   12 2 - 130,   2010,   doi:  10. 5081/j gps.9 . 2 . 122.     [27]   T.   Dag  and  T.   Ars an,   “ Rec ei v e d  signal   strengt h   base d  le ast  squ are s  later a ti on  a l gorit hm   for  indoor  loc aliz at ion , ”   Comput.   E lectr.   Eng . ,   vol .   66 ,   pp .   114 - 126 ,   2018 ,   doi: 10. 1016 /j . c om pel ec eng . 201 7. 08. 014 .         BIOGR AP HI ES OF  A UTH ORS       An dik a  Mu haram   rec e ive d  a  bac he lor ' s  degr e e  in  telec om m unic a ti ons  engi n e eri ng  in  2011  from   the   Instit u t   Te knolog i  T el k om ,   Bandung,   I ndonesia .   In  202 0  he  re ce iv ed  a  m aste r' s  degr ee   in  el e ct ri cal  enginee ring  from   Univer sit as  Merc u  Buana ,   Jak art a ,   I ndonesia .   He  ha s  an  int ere st  in   the   fi el d  of   embedde d  s y s te m s  t hat   use  m ic ro co ntrol lers   such  as   the   int ern et   of   t hings  (IoT )  or  aut om at ed   s y st e m s.         Ab di  Waha b   is   a  rese ar che r  a t   Univer sita s  Me rcu   Buana   Jak ar ta .   He  is  in te r este d  in  m obil e  computing,   emb edde d  s y s te m ,   and  m obil e  pro gra m m ing  rese a rh  are a .   For  no w,  he  is  a lso   int er esti ng  in  m a chi ne   learni ng   in   fields of  f ina n ce.         Mudrik  Alay dr us   is  profe ss or  at   Univer si ta s  Merc u  Buana,  J aka rt a.   His  res e arc h  in te r ests  ar e   Num eri ca l  Elec tromagnet i cs  appl ie d  in  an te n na  design,   m icrow ave   devi c es   and  inve rse  proble m s.     Evaluation Warning : The document was created with Spire.PDF for Python.