<![CDATA[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.]]>
Copyrights © 2024
