| dc.description.abstract | Pengenalan aktivitas manusia merupakan aspek krusial dalam pemantauan dan analisis lingkungan untuk berbagai tujuan, seperti keamanan, kesehatan, dan kecerdasan buatan. Salah satu metode yang menarik untuk pengenalan aktivitas adalah WiFi Fingerprints, yaitu teknik yang menggunakan sinyal WiFi untuk mengenali aktivitas berdasarkan pola perubahan kekuatan sinyal. Metode gabungan untuk pengenalan aktivitas dan lokalisasi dalam ruangan dengan WiFi Fingerprints telah diusulkan sebelumnya, namun mayoritas fokus pada fitur amplitudo sinyal WiFi.
Penelitian ini berupaya untuk mengeksplorasi penggunaan fitur fasa dalam metode pengenalan aktivitas menggunakan WiFi Fingerprints. Fitur fasa dapat memberikan informasi tambahan tentang pola perubahan fasa sinyal WiFi, yang berpotensi meningkatkan akurasi pengenalan aktivitas manusia. Eksperimen dilakukan menggunakan metodologi Cross-Industry Standard
Process for Data Mining (CRISP-DM) untuk pengolahan data dan metode perbandingan untuk menganalisis pengaruh penggunaan fitur fasa.
Hasil penelitian menunjukkan bahwa penggunaan fitur fasa memberikan pengaruh terhadap akurasi pengenalan aktivitas dan lokalisasi dalam ruangan menggunakan WiFi Fingerprints. Pada Penelitian ini hasil akurasi model yang menggunakan fitur fasa memiliki akurasi dibawah model yang tidak menggunakan fitur fasa sebesar sembilan persen pada akurasi aktivitas dan
sebelas persen pada akurasi lokasi. Dari penelitian ini dapat dilihat bahwa penggunaan fitur fasa memberikan pengaruh pada hasil akurasi, pada penelitian ini dapat ditarik kesimpulan bahwa fitur fasa membawa informasi yang penting yang dapat membantu dalam pengenalan aktivitas manusia dan lokasinya. Namun, performa metode menggunakan fitur fasa masih memerlukan perbaikan lebih lanjut. | en_US |
