Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Muhammad Alif Alfajra, Andi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perancangan Wearable Vest Pendeteksi Jatuh Lansia Berbasis ESP-32 Dan Sensor MPU9250 Menggunakan Algoritma Support Vector Machine Muhammad Alif Alfajra, Andi; Syauqy, Dahnial; Setyawan, Gembong Edhi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 10 (2024): Oktober 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Fenomena penuaan penduduk merupakan isu global yang turut dialami Indonesia, di mana peningkatan jumlah lansia juga disertai meningkatnya risiko jatuh yang dapat menyebabkan cedera serius hingga kematian. Data menunjukkan bahwa 47% lansia yang tidak dapat bangkit setelah jatuh meninggal dalam waktu enam bulan meskipun tidak mengalami cedera serius (Ren dan Peng, 2019). Penelitian ini merancang wearable vest berbasis ESP-32 dan sensor MPU9250 untuk mendeteksi jatuh secara real-time. Sensor diletakkan di kantong dada kiri dan pinggang rompi, dengan parameter utama meliputi akselerasi, sudut, magnetometer, pitch, dan roll. Data diolah menggunakan algoritma Support Vector Machine (SVM) yang akurat dan ringan, cocok untuk deteksi cepat. Sistem juga membedakan posisi tidur untuk mencegah alarm palsu. Hasil klasifikasi jatuh ditandai dengan bunyi buzzer dan notifikasi melalui aplikasi Blynk IoT serta email. Pengujian model SVM pada 328 data uji mencapai akurasi 98,17%, sementara uji wearable vest pada tiga subjek menunjukkan akurasi 87,5% dengan waktu komputasi rata-rata 3,5 ms, dan waktu rata-rata pengiriman notifikasi sebesar 1,5s. Sistem ini efektif mendeteksi jatuh lansia dan memenuhi kriteria respons real-time, membantu pengasuh atau keluarga terdekat merespons insiden jatuh dengan cepat.
Co-Authors Dahnial Syauqy Gembong Edhi Setyawan