Sistem Deteksi Jatuh Berbasis IOT Dengan Randon Forest Classifier Untuk Monitoring Kesehatan Dan Keselamatan Lansia

Abstract

Angka lansia di Indonesia akan di perkirakan akan mencapai 29,3 juta jiwa dan akan naik jadi 48,2 juta pada 2035. Yang Menjadi Permasalahnya, 67,2% cedera lansia itu karena jatuh, dan kalau bantuan terlambat >1 jam, komplikasi bisa naik sampai 50%. Maka dari itu penelitian ini bikin sistem deteksi jatuh otomatis pakai IoT dengan sensor accelerometer, gyroscope, dan orientation yang dipasang di wearable device. Dataset yang dipake ada 25.000 data dari 10 aktivitas—5 tipe jatuh dan 5 aktivitas harian. Pas dicoba pakai Random Forest biasa, akurasinya 72%. Terus dicoba lagi pakai Autoencoder buat ekstrak fitur dulu sebelum masuk ke Random Forest, hasilnya 71,6%. Sistemnya nanti akan diintegrasikan sama mobile app buat kirim alert darurat. Target akhirnya: akurasi >90%, response time <3 detik, false positive <5%.