Klasifikasi Gerakan Jatuh Pasien Lansia Menggunakan Algoritma Support Vector Machine

Teknologi terus berkembang seiring dengan meningkatnya permasalahan dalam ranah medis khususnya bagi seseorang yang membutuhkan pengawasan lebih, seperti lansia. Teknologi perangkat monitoring yang dapat digunakan di bagian tubuh sedang gencar dikembangkan akhir-akhir ini. Penelitian ini mengusulkan penggunaan algoritma Support Vector Machine untuk klasifikasi gerakan jatuh pada pasien lansia dengan bentuk perangkat yang dapat dipasang di tubuh bagian pinggang. Penelitian ini menggunakan sensor accelerometer dan sensor gyroscope sebagai alat pendeteksi gerakan jatuh yang terintergrasi dengan bot pada aplikasi telegram untuk memberikan notifikasi pada keluarga pasien atau perawat kesehatan ketika terjadi gerakan jatuh. Algoritma SVM dipilih karena kehandalannya dalam mengelompokkan data, terutama dalam mengidentifikasi gerakan. Setelah melalui serangkaian uji coba dan analisis, penelitian menunjukkan bahwa SVM mampu mengkategorikan gerakan jatuh dengan tingkat akurasi yang tinggi, yaitu mencapai kisaran antara 97 hingga 99 persen. Hasil ini menunjukkan potensi besar sistem ini dalam meningkatkan pemantauan dan perlindungan terhadap risiko jatuh yang kerap dialami oleh lansia. Melalui penelitian ini dapat diketahui bahwa penelitian tidak hanya mencerminkan kemajuan perkembangan dalam teknologi medis, tetapi juga juga memiliki dampak baik dalam meningkatkan kualitas hidup dan keamanan lansia. Pengembangan lebih lanjut diharapkan dapat dilakukan dengan penyesuaian perangkat terhadap perluasan penggunaan dalam bidang medis, seperti kemungkinan dapat terintegrasi dengan sistem yang sudah ada.