Fall Detection merupakan teknologi yang dapat mendeteksi kejadian jatuh pada seseorang, khususnya pada lansia atau orang dengan resiko kecelakaan tinggi dengan menggunakan perangkat werable. Teknologi ini menggunakan sensor accelerometer untuk membedakan aktifitas jatuh dan aktifitas normal pada kehidupan sehari-hari. Dalam pendekatan ini menggunakan pembelajaran mesin Deep Neural Network untuk menganalisis data dari accelerometer. Namun ,mempunya keterbatasan komputasi pada perangkat menjadi tantangan jika menerapkan model Deep Neural Network. Untuk mengatasi keterbatasan tersebut, metode Low-rank factorization digunakan untuk mengurangi ukuran dan kompleksitas model tanpa mengorbankan kinerja, mencangkup berbagai jenis gerakan seperti duduk, berlari, dan jatuh. Hasil dari penelitian ini menunjukan Low-rank Factorization mampu memberikan efisien model secara signifikasi dimana model ini dapat mempertahankan tingkat akurasi dan kendala tinggi dan juga model ini menawarkan solusi hemat daya untuk deteksi jatuh pada perangkat werable.
Kata Kunci: Fall Detection, Low-rank Factorization, Accelerometer, Perangkat
wearable, Efisiensi model, Deep Neural Network,Solusi hemat daya.