Kemajuan teknologi Internet of Things (IoT) telah mendorong pengembangan Indoor Positioning System(IPS) melalui pendekatan room-level localization berbasis Bluetooth Low Energy (BLE). Namun, parameter Received SignalStrength Indicator (RSSI) yang digunakan sebagai dasar penentuan posisi sering kali mengalami fluktuasi signifikan akibatgangguan lingkungan, multipath fading, dan noise, sehingga menurunkan akurasi sistem secara keseluruhan. Penelitian inibertujuan untuk merancang dan membangun sistem indoor room-level localization berbasis mikrokontroler ESP32 denganmenerapkan algoritma Kalman Filter guna meningkatkan stabilitas sinyal RSSI. Sistem ini diimplementasikan menggunakanESP32-C3 sebagai perangkat tag pemancar dan ESP32-S3 sebagai gateway yang berfungsi mengumpulkan data sertameneruskannya ke server backend secara real-time melalui protokol Message Queuing Telemetry Transport (MQTT). Seluruhproses pemrosesan data, termasuk penyaringan sinyal menggunakan algoritma Kalman Filter satu dimensi dan penentuanlokasi berbasis proximity, dilakukan secara terpusat di sisi server dengan infrastruktur Google Cloud Platform (GCP) dandatabase PostgreSQL. Hasil pengujian menunjukkan bahwa seluruh komponen fungsional sistem bekerja optimal dengantingkat keberhasilan 100%. Pengujian Quality of Service (QoS) pada protokol MQTT membuktikan keandalan transmisi datadengan rata-rata delay sebesar 52 ms, throughput 0,59 kbps, dan packet loss 0%. Penerapan Kalman Filter dengan parameteroptimal R=1 dan Q=0,01 terbukti sangat efektif dalam meningkatkan stabilitas sinyal dengan menurunkan nilai standar deviasiRSSI dari 3,24 dBm menjadi 1,61 dBm. Berkat peningkatan stabilitas sinyal tersebut, sistem mampu mencapai tingkat akurasiidentifikasi ruangan sebesar 100% dari total 60 kali pengujian yang dilakukan. Kesimpulannya, arsitektur sistem yangdiusulkan dalam penelitian ini terbukti efektif, stabil, dan ekonomis untuk mendukung kebutuhan pemantauan lokasi aset dalamlingkungan ruangan tertutup.