Perkembangan teknologi yang sangat cepat memungkinkan untuk melakukan penelitian yang mengembangkan metode monitoring terhadap Activity Daily Living (ADL). ADL ini meliputi kegiatan seperti ke toilet, makan, berpakaian (berdandan), mandi, naik tangga dan berjalan. Umumnya, alat untuk ADL monitoring adalah sensor Unit Pengukuran Inersia / Inertial Measurement Unit (IMU) accelerometer dan gyroscope. Namun, hasil perekaman sensor ADL monitoring memiliki banyak derau, sehingga untuk pengolahannya diperlukan sebuah proses penghilangan derau.
Pada tugas akhir ini dilakukan analisis penghilangan derau dengan tapis wavelet pada data sinyal. Algoritme tapis wavelet yang digunakan pada tugas akhir ini adalah Discrete Wavelet Transform (DWT). Data sinyal pada tugas akhir ini menggunakan dataset sinyal sekunder yang diperoleh dari Human Posture Dataset by Kale and Mandke. Setelah dilakukan penghilangan derau dilakukan proses klasifikasi dengan menggunakan algoritme K – Nearest Neighbor (KNN) pada data sinyal untuk mengklasifikasi data sinyal berdasarkan postur ADL tidur, berdiri dan berlari.
Berdasarkan hasil pengujian penghilangan derau sinyal sensor IMU dengan metode DWT pada parameter terbaik diperoleh rata-rata nilai Signal to Noise Ratio (SNR) sebesar 45.44865 dB, rata-rata nilai Peak Signal to Noise Ratio (PSNR) sebesar 50.60809 dB dan rata-rata nilai Mean Square Error (MSE) sebesar 0.000009527. Lalu berdasarkan hasil pengujian klasifikasi dengan algoritme KNN pada metode terbaik, diperoleh hasil pengukuran kinerja klasifikasi dengan nilai akurasi sebesar 98.4893 %, nilai presisi sebesar 98.4914%, nilai recall sebesar 98.5079% dan nilai F1 score sebesar 98.4929%.
Kata Kunci: ADL, Penghilangan Derau, Tapis Wavelet, IMU, Klasifikasi