Populasi lansia di Indonesia terus meningkat, dengan Jawa Barat
mencapai 15,61% dari total penduduk pada tahun 2021. Insiden jatuh menjadi
penyebab utama kecacatan dan kematian di kalangan lansia, terutama di area
berisiko tinggi seperti kamar mandi yang licin dan minim pengawasan
langsung. Penelitian ini bertujuan merancang sistem deteksi jatuh berbasis
sensor inersia yang dapat mendeteksi kejadian jatuh pada lansia di kamar
mandi menggunakan klasifikasi Machine Learning dan mengirimkan
peringatan otomatis kepada pendamping. Batasan penelitian meliputi
pengujian simulasi pada subjek pengganti lansia di ruang terbuka yang aman,
tidak langsung pada lansia di kamar mandi.
Sistem yang diusulkan mengintegrasikan sensor IMU berbasis Arduino
Nano RP2040 dengan algoritma Machine Learning Random Forest yang di-deploy
secara embedded pada mikrokontroler. Sistem menggabungkan data akselerometer
dan giroskop untuk mengklasifikasikan pola gerakan normal dan kejadian jatuh
secara real-time. Ketika jatuh terdeteksi, sistem secara otomatis mengirimkan
sinyal melalui BLE ke perangkat alarm yang mengaktifkan buzzer sebagai
peringatan untuk pendamping.
Hasil pengujian menunjukkan sistem berhasil membedakan aktivitas
normal dan gerakan jatuh melalui analisis sinyal, dimana sumbu Acc_Z
menunjukkan rentang 1,5-2,5 m/s² saat normal dan mengalami lonjakan ekstrem
saat jatuh. Buzzer menghasilkan intensitas suara 71,7 dB pada jarak 2 meter dan
masih terdengar hingga 56,6 dB pada jarak 10 meter. Koneksi Bluetooth stabil
hingga jarak 10 meter dengan latensi 0,4-0,6 detik dalam berbagai kondisi
lingkungan. Evaluasi kenyamanan pengguna mencapai nilai MOS 4,2
menunjukkan alat nyaman digunakan. Meskipun ketahanan baterai hanya mencapai
1,1 jam belum memenuhi target 2 jam, sistem secara keseluruhan berhasil
mengimplementasikan deteksi jatuh real-time dengan peringatan otomatis untuk
meningkatkan keselamatan lansia.
Kata Kunci: deteksi jatuh, sensor inersia, lansia, Machine learning, Arduino
RP2040, IMU, Bluetooth Low Energy, kamar mandi.