Perpustakaan Digital ITB

Pandemi COVID-19 yang berawal dari akhir tahun 2019 masih berlangsung hingga sampai saat ini. Pandemi yang disebabkan oleh Novel Coronavirus-19 ini memberikan dampak dalam berbagai sektor diseluruh penjuru dunia. Menurut WHO, virus ini dapat menyebar melalui droplet saat penderita batuk atau bersin, sehingga membuat virus ini bersifat sangat menluar. Terdapat beberapa cara untuk mencegah penularan, salah satunya adalah dengan melakukan praktik social distancing. Social distancing adalah praktik menjaga jarak antara satu orang dengan orang lainnya, jarak minimal yang disarankan adalah 1.8 sampai 2 meter. Meskipun terdengar mudah, namun masih banyak orang yang melanggar praktik social distancing terutama saat tidak ada pengawasan spesifik terhadap keberjalanan praktik social distancing. Oleh karena itu, diperlukan suatu sistem yang dapat mendeteksi pelanggaran social distancing. Pada tugas akhir ini, dibuat suatu sistem pendeteksi pelanggaran social distancing dengan menggunakan model neural network untuk melakukan estimasi lokasi berdasarkan nilai RSSI dari perangkat BLE pada suatu ruangan. Hasil estimasi lokasi dari model neural network kemudian divisualisasikan pada aplikasi web. Luaran dari tugas akhir ini adalah model machine learning dengan algoritma RNN dan menggunakan arsitektur LSTM untuk melakukan estimasi lokasi. Model menerima masukkan berupa data time-series yang berisi nilai RSSI selama 10 langkah terakhir. Luaran model adalah lokasi absolut dari pada bidang 2 dimensi yang akan digunakan oleh aplikasi web. Model yang telah dibuat dapat bekerja pada aplikasi web tanpa adanya kendala. Model terbaik yang dihasilkan memiliki nilai mean squared error sebesar 0.66 saat digunakan untuk melakukan estimasi lokasi dengan menggunakan data ground truth.