Rancang Bangun Sistem Aplikasi Deteksi Jatuh Pada Lanjut Usia (Lansia) Berbasis Internet of Things (IoT)
Abstrak
Lansia memiliki risiko tinggi mengalami jatuh akibat penurunan fungsi motorik dan keseimbangan tubuh. Kejadian jatuh yang tidak segera ditangani dapat berdampak fatal, terutama bagi lansia dengan kondisi medis tertentu seperti penderita penyakit stroke. Untuk mengatasi masalah tersebut, dirancang sistem deteksi jatuh berbasis Internet of Things (IoT) yang terintegrasi dengan aplikasi mobile. Sistem ini memanfaatkan sensor MPU6050 dan mikrokontroler ESP32-C6 untuk memantau gerakan tubuh secara real-time. Metode yang digunakan melibatkan pemrosesan data akselerometer dan gyroscope melalui algoritma threshold untuk mengklasifikasikan tiga kondisi: diam, berjalan, dan jatuh. Data dikirim secara nirkabel ke Firebase Realtime Database dan ditampilkan dalam aplikasi mobile, yang akan menampilkan status dan mengirimkan notifikasi jika terdeteksi jatuh. Berdasarkan hasil pengujian, sistem menunjukkan tingkat akurasi sebesar 92% untuk pengujian inter-subjek, dengan rata-rata delay dari perangkat ke firebase di bawah 5 detik. Selain itu, evaluasi kualitas aplikasi melalui survei menunjukkan respons positif dari pengguna dengan menghasilkan skor Mean Opinion Score (MOS) sebesar 4.3 dari 5. Diskusi hasil menunjukkan bahwa sistem masih perlu pengembangan lebih lanjut untuk mendeteksi kejadian jatuh pada lansia, karena masih terdapat sedikit gap terhadap spesifikasi ideal (95% akurasi). Potensi pengembangan selanjutnya adalah integrasi machine learning untuk meningkatkan akurasi klasifikasi aktivitas dan pengurangan false positive.
Kata kunci— lansia, deteksi jatuh, IoT, ESP32-C6, MPU6050, akurasi, mobile app.
Referensi
Salsabila, S. (2024). Gambaran tingkat risiko jatuh pada lansia berdasarkan Berg Balance Scale di Puskesmas Muara Dua Kota Lhokseumawe 2023 (Doctoral dissertation, Universitas Malikussaleh).
Kamesyworo, K., Haryanti, E., Hartati, S., & Elviani, Y. (2024). Pelatihan Deteksi Dini Terserang Stroke Dengan Metode Fast Pada Lansia Di Kelurahan Sari Bunga Mas Kecamatan Lahat. Jurnal Abdi Kesehatan dan Kedokteran, 3(2), 133-139.
Fitriandini, L., Suhardi, S., & Sari, K. (2025). Fall Detector pada Lansia berbasis IoT Menggunakan Sensor MPU-6050 dan Sensor GPS Neo 6M. Journal of Telecommunication Electronics and Control Engineering (JTECE), 7(1), 10-22.
Eriska, S., Arradea, M. R. M., Saputra, Z., & Khasanah, N. (2025). Alat Pendeteksi Jatuh pada Lansia dalam Keadaan Rawat Jalan Berbasis Internet of Things (IoT). Jurnal Inovasi Teknologi Terapan, 3(1), 199-206.
M. R. Ahmad, V. Fatmawati, and A. Ariyanto, “Faktor-faktor yang mempengaruhi resiko jatuh pada lansia di PCA Pajangan, Yogyakarta,” in Prosiding Seminar Nasional Penelitian dan Pengabdian Kepada Masyarakat LPPM Universitas 'Aisyiyah Yogyakarta, vol. 2, pp. 408–416, Oct. 2024.
Centers for Disease Control and Prevention. (2024, May 10). Important facts about falls. https://www.cdc.gov/falls/data-research/index.html
Purnomo, C. F., & Adriansyah, A. (2022). Rancang bangun fall detector system untuk pasien stroke dengan metode WSN (Wireless Sensor Network). Jurnal Teknologi Elektro, 13(1), 29–34.
Micro Focus. (2015). NetIQ Vivinet Diagnostics User Guide: Reviewing diagnosis factors.https://www.netiq.com/documentation/appmanager-vivinet/vdiaguserguide/data/reviewing_diagnosis_factors.html#one_way_delay
Google Developers. (n.d.). PageSpeed Insights – Overview. https://developers.google.com/speed/docs/insights/v5/about
Bermbach, D., & Wittern, E. (2020). Benchmarking Web API quality – Revisited. Journal of Web Engineering, 19(5–6), 603–646. https://doi.org/10.13052/jwe1540-9589.19563
MongoDB Inc. (n.d.). Query optimization. https://www.mongodb.com/docs/manual/core/query-optimization/
