Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika eProceedings of Engineering
Kahpiasa, Azzahra Nadya
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : eProceedings of Engineering

 1 
Pemilihan Fitur Statistik serta Implementasi Model Decision Tree Machine Learning Pada Arduino Nano 33 BLE Untuk Pendeteksian dan Klasifikasi Gerak Jatuh dan Kecenderungan Jatuh Lansia Berbasis Nilai Akselerasi Kahpiasa, Azzahra Nadya; Istiqomah, Istiqomah; Mukhtar, Husneni
eProceedings of Engineering Vol. 11 No. 1 (2024): Februari 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Orang yang berusia di atas 60 tahun dianggap sudah lanjut usia. Penurunan fungsi fisiologis terkait usia, termasuk fungsi tulang dan otot, berkontribusi terhadap peningkatan risiko jatuh pada lansia. Salah satu keadaan yang bisa berakibat fatal adalah terjatuh. Kemunduran berbagai proses organ yang terlibat dalam menjaga keseimbangan tubuh dapat dipengaruhi oleh dampak ini, yang mungkin berdampak pada kematian. Orang tua banyak jatuh sekarang, namun keluarga sering tidak menyadari keberadaan mereka. Secara tradisional, tetangga di dekat rumah lansia adalah sumber utama informasi mengenai kondisi mereka. Studi sebelumnya telah menggunakan sifat statistik dan sensor inersia untuk mengenali aktivitas manusia pada orang tua. Dalam studi ini, kami akan mengevaluasi metode ekstraksi fitur dan pembelajaran mesin terbaik. Variabel maximum, minimum, mean, median, kurtosis, skewness, dan variance yang dikumpulkan dari data sensor akselerometer menggunakan sensor IMU akan diperiksa untuk ekstraksi fitur menggunakan metode Fast Fourier Transform. Digunakan Cross-validation untuk mengetahui performa mode Decision Tree. Dengan nilai akurasi 99,8% dan nilai ekstraksi ciri terbaik pada Maksimum accelX, median accelZ, variance accelZ, variance Magnitude, dan maksimum Magnitude.Kata kunci—Elderly, Fall, Machine Learning, Accelero, Micromlgen, Kodular
Co-Authors Husneni Mukhtar istiqomah istiqomah