PENGEMBANGAN METODE THRESHOLD BERBASIS AKSELEROMETER SMARTPHONE UNTUK DETEKSI JATUH PADA MANUSIA

MARDI HARDJIANTO, Prof. Ir. Jazi Eko Istiyanto, M.Sc., Ph.D, IPU.; Prof. Drs. Subanar, Ph.D.; Dr. Agfianto Eko Putra, M.Si.

2018 | Disertasi | S3 Ilmu Komputer

Jatuh merupakan penyebab cedera yang paling signifikan bagi manusia lanjut usia. Lebih dari sepertiga penduduk usia 65 tahun atau lebih di seluruh dunia terjatuh tiap tahun dan setengah dari kasus tersebut kembali mengalami jatuh berulang. Tingkat kematian akibat terjatuh telah meningkat tajam selama dekade terakhir. Upaya untuk memantau manusia saat terjatuh terus ditingkatkan. Kemajuan teknologi saat ini memungkinkan untuk mengetahui jika manusia mengalami jatuh. Beberapa instrumen-instrumen khusus seperti detektor jatuh berbasis mikro kontroler, smartphone, tablet, telah banyak tersedia dalam bentuk instrumen jadi di pasaran. Metode deteksi jatuh yang banyak digunakan adalah threshold karena memiliki komputasi yang tidak komplek dan dapat menghemat daya baterai. Sayangnya, tidak ada analisis teoritis dalam penentuan nilai threshold. Penentuan nilai threshold yang terlalu tinggi atau terlalu rendah dapat menyebabkan terjadi alarm palsu. Pada penelitian ini, diusulkan model deteksi jatuh menggunakan akselerometer pada smartphone dan lokasi penempatan smartphone dapat diletakan pada salah satu dari enam lokasi yang telah ditentukan, yaitu saku atas kiri, saku atas kanan, saku bawah kiri, saku bawah kanan, saku kiri celana dan saku kanan celana. Metode yang digunakan untuk mendeteksi jatuh adalah threshold berbasis data akselerometer. Penelitian ini menggunakan dua nilai threshold dalam mendeteksi jatuh, yaitu threshold atas dan threshold bawah. Penelitian ini menggunakan 16 relawan laki-laki dan perempuan berusia 20-33 tahun Pengujian model deteksi jatuh dilakukan dengan delapan relawan, empat perempuan dan empat laki-laki dengan jumlah 240 data gerak jatuh dan 288 data gerak aktivitas sehari-hari menghasilkan nilai akurasi sebesar 98,1%, sensitivitas 100% dan spesifisitas 96,9%.

Fall is the most significant cause of injury to elderly people. More than one-third of people aged 65 and older around the world fall each year and half of the cases recur. The death rate from falling has risen sharply over the past decade. Efforts in monitoring human beings when they fall continue to be improved. Current technological advances make it possible to know if humans are falling. Some special instruments such fall detector based on micro-controllers, smartphones and tablets have been widely available in the form of ready to use instruments we can buy. Fall detection method that is widely used is a threshold because it has no complex computing and can save battery power. Unfortunately, there is no theoretical analysis in determining the threshold value. Determining the value of the threshold is too high or too low can cause a false alarm.

Kata Kunci : : threshold atas, threshold bawah, resultan akselerasi, posisi tidak tetap