Dual Receiver Dalam WiFi Sensing Untuk Mendeteksi Pergerakan Manusia Dalam Ruang Tertutup

Abstract

Penelitian ini mengusulkan sistem WiFi sensing dengan pendekatan dual receiver menggunakan dua perangkat ESP32 untuk mendeteksi tiga jenis aktivitas manusia, yaitu duduk diam (DD), berjalan (JL), dan berdiri diam (BD). Kedua perangkat tersebut menerima sinyal dari satu perangkat ESP32 lain yang kemudian diambil Channel State Information (CSI)-nya sebagai data. Data CSI yang diperoleh kemudian diambil fitur amplitudonya. Amplitudo tersebut melalui beberapa tahapan pre-processing, yaitu denoising dengan filter Hampel dan SavitzkyGolay, penghapusan outlier berdasarkan interquartile range (IQR), normalisasi dengan Robust Scaler, serta menyeimbangkan jumlah kelas dengan menggunakan teknik Synthetic Minority Over-sampling (SMOTE). Model klasifikasi dibangun menggunakan arsitektur Long ShortTerm Memory (LSTM) dengan attention layer dan dievaluasi pada empat skema penempatan perangkat. Skema 1 sebagai baseline, skema 2 mendekatkan receiver 2 (Rx2) ke receiver 1 (Rx1) sebesar dua kali lebih dekat daripada skema 1, skema 3 menempatkan Rx2 lebih dekat ke transmitter (T x) dengan jarak yang sama seperti skema 1, dan skema 4 menempatkan (Rx2) ke (T x) sebesar dua kali lebih dekat daripada skema 3. Untuk setiap skema, evaluasi dilakukan pada masing-masing receiver dan juga pada penggabungan data dari kedua receiver. Hasil evaluasi menunjukkan bahwa penggabungan data secara konsisten memberikan akurasi tertinggi di semua skema. Pada skema 1 dan 2, akurasi gabungan masing-masing mencapai 98, 57% dan 98, 65%, lebih tinggi dibandingkan pada Rx1 (93, 62% dan 89, 77%) maupun Rx2 (93, 82% dan 91, 62%). Pada skema 3 dan 4, meskipun Rx2 mencatatkan akurasi lebih tinggi dibanding Rx1 (96, 14% vs 85, 49% dan 93, 00% vs 87, 78%), penggabungan keduanya tetap menghasilkan akurasi yang lebih tinggi dan stabil, yaitu 97, 49% dan 97, 99%. Nilai Precision, Recall, dan F1-Score dari gabungan data yang di atas 0, 98 mengindikasikan performa klasifikasi yang seimbang di seluruh kelas. Hasil ini menunjukkan bahwa penambahan receiver mampu meningkatkan efektivitas dan akurasi sistem WiFi sensing dalam mendeteksi aktivitas manusia di ruang tertutup. Selain itu, penambahan receiver lebih efektif jika lebih dekat ke receiver lain daripada ditempatkan lebih dekat ke transmitter.