Rancang Bangun Alat Deteksi Jatuh Pada Lanjut Usia Berbasis Internet of Things dan Feedforward Neural Network
Populasi lanjut usia terus meningkat secara global dan nasional, dengan estimasi mencapai 2 miliar populasi lansia dunia pada 2050 dan 33,7 juta jiwa di Indonesia pada 2025. Peningkatan ini menimbulkan tantangan kesehatan, terutama risiko jatuh, yang dialami oleh sekitar 30% lansia setiap tahun dan menyebabkan cedera serius pada 67,1% kasus di Indonesia.Penelitian ini bertujuan untuk merancang dan mengembangkan alat deteksi jatuh bagi lanjut usia (lansia) dengan menerapkan teknologi Internet of Things dan algoritma Feedforward Neural Network berbasis TinyML. Sistem ini memanfaatkan sensor akselerometer ADXL345, modul GPS Neo-6M, dan mikrokontroler ESP32 yang dikombinasikan dengan platform Edge Impulse untuk membangun model klasifikasi jatuh dan aktivitas harian. Dataset yang digunakan adalah SisFall, dengan dua label klasifikasi utama yaitu fall dan activities of daily living. Tiga model dengan arsitektur berbeda diuji, dan Model 1 dipilih sebagai model terbaik berdasarkan hasil tuning hyperparameter dengan akurasi tertinggi 99,7
URI
https://repo.itera.ac.id/depan/submission/SB2508040072
Keyword
Edge impulse Deteksi jatuh Feedforward neural network Internet of things TinyML