Rancang Bangun Sistem Deteksi Aktivitas Manusia Berbasis Wi-Fi

Authors

  • Nazmia Kurniawati Jurusan Teknik Elektro, Politeknik Negeri Jakarta
  • Shita Fitria Nurjihan Jurusan Teknik Elektro, Politeknik Negeri Jakarta
  • Dwitio Ahmad Pranoto Jurusan Teknik Elektro, Politeknik Negeri Jakarta

Keywords:

CSI, Deteksi Aktivitas, ESP32, Wi-Fi

Abstract

Deteksi aktivitas manusia merupakan topik riset yang substansial dalam Revolusi Industri 4.0 dan Society 5.0. Sistem ini dapat diaplikasikan di berbagai sektor. Sistem deteksi aktivitas yan telah banyak dikembangkan adalah sistem berbasis sensor dan radar. Sensor memiliki akurasi yang tinggi namun harus terus menerus dipakai oleh pengguna. Sistem radar bersifat non-invasif namun memerlukan pemrosesan data yang sulit. Pada penelitian ini dilakukan pengembangan sistem deteksi aktivitas manusia memanfaatkan CSI pada Wi-Fi menggunakan perangkat ESP32. Dua buah ESP32 digunakan sebagai pengirim dan penerima untuk mendeteksi tiga aktivitas: menggerakkan satu tangan, dua tangan, dan mengubah posisi dari berdiri ke jongkok. Dari hasil pemetaan amplitudo CSI didapatkan hasil bahwa ketiga aktivitas menghasilkan nilai CSI yang berbeda. Sehingga dapat disimpulkan bahwa dengan memanfaatkan CSI pada Wi-Fi dapat dibuat sebuah sistem deteksi aktivitas yang bersifat non-invasif, murah, dan tidak memerlukan pemrosesan data yang sulit.

References

Adib, F., Mao, H., Kabelac, Z., Katabi, D., & Miller, R. C. (2015). Smart Homes that Monitor Breathing and Heart Rate. Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems, 837–846. https://doi.org/10.1145/2702123.2702200

Choi, H., Fujimoto, M., Matsui, T., Misaki, S., & Yasumoto, K. (2022). Wi-CaL: WiFi Sensing and Machine Learning Based Device-Free Crowd Counting and Localization. IEEE Access, 10, 24395–24410. https://doi.org/10.1109/ACCESS.2022.3155812

Forbes, G. (2021). CSIKit: Python CSI processing and visualisation tools for commercial off-the-shelf hardware. https://github.com/Gi-z/CSIKit

Hernandez, S. M., & Bulut, E. (2020). Lightweight and Standalone IoT Based WiFi Sensing for Active Repositioning and Mobility. 2020 IEEE 21st International Symposium on “A World of Wireless, Mobile and Multimedia Networks” (WoWMoM), 277–286. https://doi.org/10.1109/WoWMoM49955.2020.00056

Kim, W.-Y., & Seo, D.-H. (2022). Radar-Based Human Activity Recognition Combining Range–Time–Doppler Maps and Range-Distributed-Convolutional Neural Networks. IEEE Transactions on Geoscience and Remote Sensing, 60, 1–11. https://doi.org/10.1109/TGRS.2022.3162833

Kumar, S., & Choudhary, A. (2022). Camera based Activity Recognition for Assisted Living Applications. 2022 2nd International Conference on Emerging Smart Technologies and Applications (ESmarTA), 1–8. https://doi.org/10.1109/eSmarTA56775.2022.9935136

Pu, Q., Gupta, S., Gollakota, S., & Patel, S. (2013). Whole-home gesture recognition using wireless signals. Proceedings of the 19th Annual International Conference on Mobile Computing & Networking - MobiCom ’13, 27. https://doi.org/10.1145/2500423.2500436

Serpush, F., Menhaj, M. B., Masoumi, B., & Karasfi, B. (2022). Wearable Sensor-Based Human Activity Recognition in the Smart Healthcare System. Computational Intelligence and Neuroscience, 2022, 1–31. https://doi.org/10.1155/2022/1391906

Wang, C., Guo, X., Wang, Y., Chen, Y., & Liu, B. (2016). Friend or Foe? Your Wearable Devices Reveal Your Personal PIN. Proceedings of the 11th ACM on Asia Conference on Computer and Communications Security, 189–200. https://doi.org/10.1145/2897845.2897847

Yang, Z., Zhou, Z., & Liu, Y. (2013). From RSSI to CSI: Indoor localization via channel response. ACM Computing Surveys, 46(2), 1–32. https://doi.org/10.1145/2543581.2543592

Yin, Z., Wu, C., Yang, Z., & Liu, Y. (2017). Peer-to-Peer Indoor Navigation Using Smartphones. IEEE Journal on Selected Areas in Communications, 35(5), 1141–1153. https://doi.org/10.1109/JSAC.2017.2680844

Downloads

Published

2023-08-05

How to Cite

Kurniawati, N., Nurjihan, S. F., & Pranoto, D. A. (2023). Rancang Bangun Sistem Deteksi Aktivitas Manusia Berbasis Wi-Fi. Seminar Nasional Inovasi Vokasi, 2, 12–18. Retrieved from https://prosiding.pnj.ac.id/sniv/article/view/331