Jatuh merupakan salah satu kejadian tidak disengaja yang dapat menyebabkan luka yang berbahaya. Risiko jatuh akan bertambah saat orang yang jatuh tidak bisa memanggil bantuan. Alat fall detection dapat membantu mengurangi waktu antara kejadian jatuh dengan kedatangan pertolongan medis sehingga dapat mencegah adanya risiko berat pada kejadian jatuh. Sistem fall detection pada tugas akhir ini dibuat dengan menggunakan metode pengolahan citra yang terdiri dari 3 tahap yaitu akuisisi video, ekstraksi ciri dan deteksi kejadian jatuh. Akuisisi video dilakukan dengan menggunakan dataset fall detection. Proses ekstraksi ciri dilakukan dengan menggunakan Gaussian Mixture Model untuk segmentasi objek, ellipse model untuk menentukan orientasi, Motion History Image (MHI) untuk menghitung motion coefficient dan Support Vector Machine (SVM) sebagai metode klasifikasi kejadian jatuh. Analisis kinerja sistem dilakukan dalam beberapa faktor yaitu tipe SVM yang sesuai, posisi kamera yang digunakan dan tingkat akurasi yang lebih besar. Berdasarkan faktor-faktor tersebut dapat diketahui bahwa tipe SVM yang paling sesuai adalah RBF Kernel dan posisi kamera pada the fall detection dataset (FDD) menghasilkan nilai terbaik dalam mengklasifikasikan kejadian jatuh dan kejadian tidak jatuh dengan nilai akurasi kinerja sistem yang didapatkan adalah 95%.