<![CDATA[Fenomena lansia terlantar di Indonesia terus meningkat, dengan 2,4 juta dari 25 juta lansia terlantar pada tahun 2019 menurut data CAS Universitas Indonesia. Dengan populasi lansia yang terus bertambah setiap tahun, tantangan dalam perawatan lansia menjadi perhatian penting, khususnya dalam memberikan keamanan dan respons cepat terhadap kondisi darurat. Salah satu kondisi darurat yang sering terjadi adalah jatuh, yang dapat berakibat fatal jika tidak ditangani segera. Penelitian ini bertujuan untuk mengembangkan model deteksi jatuh pada lansia menggunakan algoritma Long Short Term Memory (LSTM) dan fitur landmark sendi. Kondisi jatuh didefinisikan sebagai perubahan pose dari berdiri ke terbaring, yang dipantau secara kontinu menggunakan konsep sliding window. Setiap pose diberikan indeks tertentu yang merepresentasikan kondisi lansia, seperti berdiri, bungkuk, jongkok, duduk, terbaring kiri, terbaring kanan, terbaring ke atas, dan terbaring ke bawah. Model LSTM digunakan untuk mengklasifikasikan pose lansia berdasarkan data pose tersebut. Metode penelitian meliputi studi literatur, analisis, pengembangan model, serta evaluasi performa. Penelitian ini menggunakan dataset berupa 240 video dengan 30 frame per video, melibatkan validator dari Panti Sosial X untuk memastikan keakuratan data yang digunakan. Hasil uji coba menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan pose dan mendeteksi kondisi jatuh dengan akurasi 91%, yang lebih unggul dibandingkan penelitian sebelumnya dengan akurasi model yaitu 86%.]]>
Copyrights © 2025
