Permasalahan utama pada penelitian ini merujuk kepada semakin menurunnya daya tahan tubuh lanjut usia (lansia). Hal ini membutuhkan sistem monitoring aktivitas lansia secara real time. Untuk mendeteksi kegiatan para lansia, dirancang sebuah perangkat monitoring dengan accelerometer 3-sumbu dan gyroscope 3-sumbu. Data sensor diperoleh dari lima partisipan. Setiap partisipan melakukan lima gerakan yaitu terjatuh, duduk, tidur, rukuk dan sujud. Gerakan yang dipilih adalah gerakan yang menyerupai gerakan jatuh. Total data yang diperoleh dari partisipan adalah 75 data yang terbagi menjadi training data dan testing data. Penelitian ini menggunakan metode transformasi Wavelet untuk mengenali fitur dari gerakan. Untuk pengklasifikasian setiap gerakan, digunakan metode K-nearest neighbors (KNN). Hasil klasifikasi gerakan menggunakan lima kelas menghasilkan nilai root mean square sebesar 0.0074 dengan akurasi 100%.
Copyrights © 2020