Studi Algoritma Klasifikasi Sensor Accelerometer dan Gyroscope untuk Pola Activity Daily Life (ADL) pada Dewasa Sehat

Andika Nugroho Putra, Satria Mandala, Irma Ruslina Defi

Abstract

Abstrak Sistem klasifikasi Activity Daily Life (ADL) ini adalah sistem untuk klasifikasi aktivitas yang dilakukan seseorang dengan menggunakan wearable sensor untuk membantu lansia sehingga aman dan nyaman dalam melakukan aktivitasnya sehari-hari. Sistem klasifikasi ADL dengan menggunakan sensor accelerometer dan gyroscope banyak menggunakan berbagai algoritma untuk klasifikasinya, seperti algoritma K-Nearest Neighbour (KNN), Support Vektor Machine (SVM) dan sebagainya. Tugas akhir ini bermaksud untuk mencari tingkat akurasi yang terbaik beserta spesitifitas dan sensitivitasnya dengan membandingkan beberapa algoritma klasifikasi dengan menggunakan dataset yang telah dibuat dengan alat yang terdiri dari mikrokontroler ESP32 berbasis sensor MPU-6050 (sensor accelerometer dan gyroscope) dan akan menguji 5 ADL yaitu berjalan, naik tangga, turun tangga, berdiri, dan duduk. Data yang didapat dari alat kemudian akan diklasifikasi untuk mengenali ADL yang dilakukan. Hasil yang didapatkan adalah ketiga algoritma sudah baik melakukan klasifikasi dengan akurasi mencapai 95%. KNN menjadi algoritma terbaik untuk klasifikasi ADL dengan menghasilkan akurasi sebesar 97,33%. Kata kunci : Klasifikasi Multiclass, ADL, Accelerometer, Gyroscope, KNN Abstract Classification system for activity daily life (ADL) is a system who classified human activity using wearable sensor to help elderly doing their activity safely and comfortably. Classifier for ADL using accelerometer and gyroscope sensor usually used classification algorithm like K-Nearest Neighbour, Support Vektor Machine, and many others. This final project aims to get high accuracy by using 1 tool that using ESP32 microcontroller and MPU-6050 sensor (accelerometer and gyroscope sensor) and will test 5 ADL like walking, walking upstair, walking downstair, stading, and sitting. The data obtained from the tool will be classified to recognition ADL. The result is the three algorithm have good accuracy up to 95%. KNN get the best algorithm for ADL classification with value of 97,33% Keywords: Activity Daily Life, Multiclass Classification , Accelerometer, Gyroscope, KNN.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0