Sistem indoor localization merupakan kunci dari suatu teknologi yang memungkinkan untuk menyelenggarakan layanan-layanan Location Based Services (LBS) untuk strategi produk seperti pada bidang retail, perhotelan, transportasi, kesehatan, manufaktur dan industri lainnya. Layanan ini menyediakan informasi untuk mengetahui posisi sebuah objek manusia maupun benda. Oleh karena itu, Proyek Akhir ini mengusulkan suatu pemodelan sistem estimasi posisi dan tracking objek bergerak di wilayah observasi indoor dengan memanfaatkan kuat sinyal dari jalur akses WiFi untuk estimasi serta tracking posisi target, smartphone untuk pengambilan data, server untuk mengolah data kuat sinyal yang terukur, dan pemrograman Matlab untuk menampilkan hasil estimasi posisi dan tracking objek. Digunakanlah metode Gaussian Process untuk menentukan posisi estimasi keberadaan objek di wilayah indoor, sedangkan metode filter non-linear Extended Kalman Filter (EKF) digunakan untuk menentukan tracking jalur yang dilewati oleh objek tersebut. Hasil pengujian menunjukkan bahwa metode Gaussian Process mampu mendeteksi posisi objek di lingkungan indoor dengan selisih jarak sebesar 1,98 meter terhadap posisi real unknown node, sedangkan EKF dapat menentukan pola tracking dari jalur objek yang bergerak terhadap posisi objek sebenarnya dengan selisih jarak yang lebih baik yaitu 1,45 meter. Hal ini pun membuktikan bahwa penggunaan metode EKF dapat memperbaiki tingkat akurasi dalam menentukan estimasi posisi suatu objek sebesar 26,8 %. Kombinasi dari kedua metode tersebut telah membuktikan bahwa pemodelan sistem indoor positioning ini mampu memperbaiki hasil estimasi posisi suatu objek bergerak didalam gedung dengan tingkat keakuratan yang cukup baik, sehingga cocok jika diimplementasikan pada layanan LBS yang telah banyak digunakan saat ini.