Analisis Perbandingan Akurasi Model LSTM dengan Dataset Sintesis CTGAN dalam Klasifikasi Deteksi Jatuh untuk Lansia

Abstract

Jatuh pada lansia menjadi salah satu penyebab masalah cedera fatal dan kematian di dunia. Meningkatnya angka harapan hidup di seluruh dunia mengakibatkan pertumbuhan populasi lansia yang signifikan, yang menyebabkan tingginya angka prevalensi jatuh dan mendorong kebutuhan solusi deteksi dini jatuh pada lansia. Penelitian ini ditujukan untuk menguji efektivitas penggunaan Conditional Tabular GAN (CTGAN) untuk menghasilkan data sintesis pada dataset asli untuk meningkatkan performa Long Short-Term Memory (LSTM) dalam klasifikasi deteksi jatuh pada lansia. Metode penelitian yang dilakukan meliputi studi literatur, pengumpulan dan sintesis data, implementasi dan pelatihan model LSTM pada dua skenario dataset, serta evaluasi dengan metrik akurasi dan recall. Penelitian ini diharapkan dapat memberikan kontribusi dalam menghasilkan model deteksi jatuh yang lebih akurat untuk pencegahan cedera pada lansia.