" Low-Rank Factorization untuk Edge Computing dalam Deteksi Jatuh dengan Wearable Sensors"[AJG]
Abstract
Deteksi jatuh menggunakan pembelajaran mesin merupakan area penting dalam pengembangan teknologi Kesehatan, yang bertujuan untuk meningkatkan keselamatan individu, terutama bagi lansia dan mereka yang memiliki risiko tinggi jatuh. Penelitian ini berfokus pada analisis perbedaan pola individu yang mengalami jatuh dan tidak jatuh, berdasarkan data akselerometer dari perangkat wearable. Namun, keterbatasan sumber daya komputasi pada perangkat tersebut menjadi tantangan utama dalam implementasi model Deep Learning.
Untuk mengatasi tantangan ini, penelitian mengusulkan Solusi inovatif dengan menfaatkan low-rank factorization. Metode ini memungkinkan model pembelajaran mendalam untuk berjalan efisien di lingkungan dengan keterbatasan komputasi, sambil tetap mempertahankan akurasi deteksi yang tinggi. Saya menggunakan empat kategori data dari Kaggle yang relevan untuk mendeteksi jatuh: “Jatuh Bebas,” “Duduk,” “Berlari Lalu Jatuh,” “dan “Berlari Lalu Duduk.”
Dengan menerapkan pelatihan pada Deep Neural Network (DNN), saya berhasil mengklasifikasikan keempat kategori tersebut. Selanjutnya, faktorisasi peringkat rendah diterapkan untuk mengompresi model DNN, menghasilkan model yang lebih ringan tanpa mengorbankan performa. Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan skor F1 tertinggi, masing-masing 0,99 dan 0,98, sementara kategori “Berlari Lalu Duduk” mencatatkan recall tertinggi sebesar 0.99. Secara keseluruhan, model DNN mecapai akurasi 0,97 dalam mendeteksi jatuh.
Lebih menariknya, model dengan penerapan low-rank factorization, yang memiliki peringkat 12, terbukti jauh lebih efisien, berhasil mempertahankan Tingkat akurasi tinggi sambil mengurangi jumlah parameter sebesar 53,8%. Temuan ini menunjukan potensi penggunaan low-rank factorization dalam meningkatkan efisien model deteksi jatuh, sehingga memberikan kontribusi signifikasi terhadap pengembangan aplikasi yang lebih praktis dan berkelanjutan di bidang Kesehatan.
