HAR (Human Activity Recognition) adalah sebuah sistem untuk mengidentifikasi, memantau, dan menganalisis perilaku seseorang. Sensor yang biasa digunakan untuk dapat mengidentifikasi aktivitas manusia adalah kamera atau wearable sensors. Namun pemakaian kedua sensor tersebut memiliki kelemahan, seperti kamera tidak dapat menangkap gambar dalam keadaan gelap, dan beberapa pengguna wearable sensor kurang nyaman untuk dipakai. Oleh karena itu, solusi alternatif untuk masalah tersebut adalah menggunakan radar sebagai basis sensor untuk HAR.
Penelitian ini menggunakan radar FMCW (Frequency Modulated Continuous Wave) sebagai basis sensor untuk pengambilan data pergerakan manusia. Data yang didapatkan dari radar akan diolah kembali melalui tahap preprocessing, dimana tahap ini melakukan penghapusan DC component, FFT (Fast Fourier Transform), peredaman static clutter, mengekstrak informasi target saja, dan cropping spektogram sejalannya waktu. Hasil preprocessing ini lalu dijadikan sebagai input untuk klasifikasi dengan metode CNN (Convolutional Neural Network).
Penelitian ini memiliki tujuan untuk dapat mengklasifikasi jenis pergerakan manusia dengan hasil akurasi lebih dari 90%. Untuk mencapai tujuan tersebut, penelitian ini melakukan pengujian berbagai arsitektur CNN sehingga mendapatkan arsitektur terbaik untuk HAR. Hasil penelitian sistem identifikasi jenis pergerakan manusia dengan metode CNN ini berhasil mengidentifikasi jenis pergerakan manusia dengan akurasi klasifikasi mencapai 99,93%.
Kata Kunci: Human Activity Recognition, Radar FMCW, CNN