Jatuh adalah penyebab kematian tidak disengaja tertinggi nomor dua di dunia menurut
WHO (World Health Organization). Lansia sayangnya menjadi korban yang paling sering
mengalami kecelakaan jatuh. Kecelakaan jatuh dapat terjadi dimana saja, akan tetapi salah satu
tempat yang kerap menjadi langganan untuk kecelakaan jatuh adalah kamar mandi. Namun
saat ini, belum begitu banyak sistem deteksi jatuh yang dapat dengan baik mendeteksi
kecelakaan ini, khususnya di daerah yang sensitif seperti kamar mandi tanpa meresahkan
pengguna didalamnya.
Beberapa penelitian untuk mendeteksi kecelakaan jatuh telah dilakukan, beberapa
diantaranya memanfaatkan sensor yang dapat menjaga privasi dari penggunanya di kamar
mandi, salah satu dari sensor ini adalah radar. Radar dipilih karena dapat menjaga privasi
pengguna apalagi di kamar mandi, serta kemampuannya untuk dapat tetap melakukan deteksi
terlepas dari kondisi lingkungan yang dihadapinya (pencahayaan yang minim dan temperatur
yang fluktuatif). Pada penelitian kali ini, dirancang sebuah sistem deteksi jatuh dengan
menggunakan radar sebagai sensor yang diletakkan di kamar mandi, lalu dengan menerapkan
teknik FFT dan STFT untuk preprocessing data kontinyu radar, serta algoritma Deep Learning
LSTM untuk klasifikasi gerakan jatuh. Hasil klasifikasi tersebut kemudian dikirimkan melalui
platform IoT Supabase kepada Webapps serta notifikasi Whatsapp sehingga dapat diketahui
oleh pengguna dan pertolongan pertama dapat segera dilakukan.
Hasil akhir dari perancangan adalah sebuah sistem deteksi jatuh yang mampu mendeteksi
gerakan jatuh dengan presisi hingga mencapai 93%, serta penggunaan daya yang rendah di
angka 0.021 kWh selama 8.5 jam (setara dengan konsumsi daya sebesar 2.4 watt). Selain itu,
sistem telah teruji dapat berjalan pada lingkungan lembab (~95% kelembapan relatif) secara
terus menerus hingga 10 jam dan terbukti dapat menjaga privasi data dari penggunanya
dikarenakan data spektogram yang dihasilkan oleh radar sangat sulit diinterpretasikan oleh
manusia pada umumnya.