Sistem klasifikasi Activity Daily Life (ADL) ini adalah sistem untuk klasifikasi aktivitas yang dilakukan seseorang dengan menggunakan wearable sensor untuk membantu lansia sehingga aman dan nyaman dalam melakukan aktivitasnya sehari-hari. Sistem klasifikasi ADL dengan menggunakan sensor accelerometer dan gyroscope banyak menggunakan berbagai algoritma untuk klasifikasinya, seperti algoritma K-Nearest Neighbour (KNN), Support Vektor Machine (SVM) dan sebagainya. Tugas akhir ini bermaksud untuk mencari tingkat akurasi yang terbaik beserta spesitifitas dan sensitivitasnya dengan membandingkan beberapa algoritma klasifikasi dengan menggunakan dataset yang telah dibuat dengan alat yang terdiri dari mikrokontroler ESP32 berbasis sensor MPU-6050 (sensor accelerometer dan gyroscope) dan akan menguji 5 ADL yaitu berjalan, naik tangga, turun tangga, berdiri, dan duduk. Data yang didapat dari alat kemudian akan diklasifikasi untuk mengenali ADL yang dilakukan. Hasil yang didapatkan adalah ketiga algoritma sudah baik melakukan klasifikasi dengan akurasi mencapai 95%. KNN menjadi algoritma terbaik untuk klasifikasi ADL dengan menghasilkan akurasi sebesar 97,33%.