JURNAL PENDIDIKAN VOKASIONAL TEKNIK ELEKTRO
Volume 8.
No.
1, 18-25.
e_ISSN: 2622-7029 https://journal.
id/unj/index.
php/jvote/index PROTOTYPE ALAT PENDETEKSI GERAKAN JATUH UNTUK LANSIA
MENGGUNAKAN SENSOR ACCELEROMETER MPU6050 BERBASIS
INTERNET OF THINGS
Rio Rahagung* Fajar Gumilang Ade Ayu Rahmawati Teknik Elektro.
Universitas Muhammadiyah Tangerang.
Indonesia Teknik Elektro.
Universitas Muhammadiyah Tangerang.
Indonesia Pendidikan Teknik Elektronika.
Universitas Negeri Jakarta.
Indonesia Info Artikel Catatan Artikel:
Diterima: 26 Mei 2025 Revisi: 05 Juni 2025 Disetujui: 12 Juni 2025 DoI : 10.
21009/jvote.
Kata Kunci:
Accelerometer.
ESP8266.
Internet of things.
Telegram.
Deteksi jatuh, lansia.
Abstrak Penelitian ini bertujuan untuk membuat prototype pendeteksi gerakan jatuh yang dapat digunakan oleh lansia yang menggunakan sensor accelerometer MPU6050.
Dengan memanfaatkan teknologi IoT, perangkat pendeteksi jatuh ini dapat memberikan notifikasi secara otomatis melalui aplikasi Telegram atau pesan singkat saat terdeteksi adanya kejadian jatuh.
Sistem ini bekerja dengan sistem otomatis yang memanfaatkan ESP8266 sebagai mikrokontroler dan Telegram sebagai dashboard monitoring berbasis IOT serta sensor yang bekerja memberi nilai input kepada mikrokontroler.
Prototype deteksi gerakan jatuh berbasis IoT telah berhasil mengirimkan peringatan jatuh melalui bunyinya buzzer sebagai alarm dan juga notifikasi dari telegram.
Penulis membuat ambang batas aman pada nilai 1,5 G karena ketika terdeteksi bahwa nilai diatas dari ambang batas tersebut, maka alat akan mendeteksi secara otomatis jika adanya terjadi sebuah guncangan dan Artikel : Rio Rahagung.
PROTOTYPE ALAT PENDETEKSI GERAKAN JATUH UNTUK LANSIA MENGGUNAKAN
SENSOR ACCELEROMETER MPU6050 BERBASIS INTERNET OF THINGS.
Jurnal Pendidikan Vokasional Teknik Elektro, 8.
, 18-25
PENDAHULUAN
Kejadian jatuh pada lansia merupakan salah satu penyebab utama cedera serius, kecacatan, hingga kematian, sehingga memerlukan intervensi teknologi preventif yang andal (WHO, 2021.
Tzallas et , 2.
Pengembangan sistem pendeteksi jatuh berbasis sensor gerak menjadi solusi yang banyak dikaji karena mampu memberikan peringatan dini dan mempercepat respons pertolongan dalam kondisi darurat (Santoso & Wibowo, 2022.
Igual et al.
, 2.
Salah satu sensor yang banyak digunakan adalah MPU6050, yang menggabungkan akselerometer dan giroskop dalam satu modul sehingga dapat mendeteksi perubahan orientasi dan percepatan tubuh secara real-time (Yuwono et , 2016.
Nugraha et al.
, 2.
Karakteristiknya yang sensitif terhadap perubahan percepatan mendadak menjadikan MPU6050 ideal untuk mendeteksi pola gerakan khas jatuh pada lansia (Kim & Cho, 2.
Selain itu, konsumsi dayanya yang rendah dan bentuknya yang ringkas memungkinkan sensor ini diaplikasikan dalam perangkat wearable berbasis IoT, seperti gelang atau sabuk pintar (Rashid et al.
, 2020.
Santoso & Wibowo, 2.
Integrasi dengan teknologi IoT memungkinkan pengiriman data secara langsung ke aplikasi pemantauan atau layanan darurat melalui internet, sehingga keluarga maupun tenaga medis dapat menerima notifikasi otomatis saat kejadian jatuh terdeteksi (Ullah et al.
, 2022.
Pratama & Syahrul, 2.
Selain memberikan peringatan, sistem ini juga mampu merekam data historis gerakan untuk dianalisis lebih lanjut guna memprediksi pola risiko jatuh di masa depan (Tzallas et al.
, 2.
Dengan demikian.
Coressponding author:
Ade Ayu Rahmawati.
Universitas Negeri Jakarta.
Indonesia (AdeAyuRahmawati@unj.
Jurnal Pendidikan Vokasional Teknik Elektro pengembangan sistem pendeteksi jatuh berbasis sensor MPU6050 dan IoT berpotensi menjadi solusi praktis dan skalabel untuk meningkatkan keselamatan serta kualitas hidup lansia.
Selain berbasis sensor tunggal seperti MPU6050, sejumlah penelitian mulai mengkombinasikan accelerometer dengan algoritma kecerdasan buatan seperti Support Vector Machine (SVM).
Random Forest, atau Convolutional Neural Network (CNN) untuk meningkatkan akurasi klasifikasi antara gerakan jatuh dan aktivitas normal seperti duduk atau membungkuk (Khan et al.
, 2020.
Ullah et al.
Penggunaan machine learning terbukti mampu menurunkan tingkat false alarm yang kerap terjadi pada sistem berbasis ambang batas .
hreshold-base.
konvensional (Igual et al.
, 2.
Pada skala nasional, pendekatan serupa juga telah diuji pada sistem wearable berbasis Arduino dan ESP32, menunjukkan bahwa kombinasi sensor MPU6050 dengan pengolahan sinyal berbasis pattern recognition dapat menghasilkan deteksi jatuh dengan tingkat akurasi di atas 90% (Pratama & Syahrul, 2023.
Wibowo & Nurhadi, 2.
Hal ini mengindikasikan bahwa integrasi sensor fisik dengan komputasi cerdas merupakan arah pengembangan sistem pendeteksi jatuh generasi Selain aspek teknis, faktor kenyamanan .
dan penerimaan pengguna lanjut usia .
ser acceptabilit.
menjadi faktor penting dalam keberhasilan implementasi perangkat pendeteksi jatuh (Rashid et al.
, 2020.
Hsieh et al.
, 2.
Perangkat yang terlalu besar atau terasa mengganggu aktivitas sehari-hari berpotensi tidak digunakan secara konsisten oleh lansia.
Oleh karena itu, desain sistem harus mempertimbangkan ergonomi dan integrasi pada aksesori sehari-hari seperti jam tangan, sabuk, atau bahkan pakaian pintar .
mart clothin.
(Ullah et al.
, 2.
Beberapa studi juga menyarankan penambahan fitur two-way communication agar pengguna dapat berinteraksi langsung dengan caregiver atau layanan medis melalui perangkat saat terjatuh (Kim & Cho, 2.
Dengan pendekatan yang tidak hanya fokus pada akurasi teknis tetapi juga aspek kenyamanan dan psikologis pengguna, sistem pendeteksi jatuh berbasis IoT dapat lebih mudah diterima dan diadopsi secara luas dalam kehidupan sehari-hari.
METODE
Metodologi penelitian yang digunakan dalam pengembangan prototype alat pendeteksi gerakan jatuh berbasis sensor accelerometer MPU6050 dan Internet of Things (IoT) adalah metode penelitian kuantitatif eksperimental.
Metode ini dipilih karena memungkinkan peneliti untuk melakukan pengukuran objektif terhadap data percepatan dan orientasi tubuh lansia yang diperoleh dari sensor MPU6050, sehingga dapat dianalisis secara statistik untuk menentukan ambang batas .
kejadian jatuh yang akurat.
Pendekatan kuantitatif dalam sistem pendeteksi jatuh telah banyak digunakan pada penelitian sejenis karena mampu menghasilkan akurasi deteksi yang dapat diuji melalui perhitungan precision, recall, dan accuracy (Hsieh et al.
Ullah et al.
, 2.
Selain itu, framework eksperimental memungkinkan pengujian secara berulang untuk memastikan reliabilitas perangkat dalam berbagai skenario jatuh seperti forward fall, backward fall, dan side fall (Tzallas et al.
, 2.
Dalam implementasinya, penelitian ini menggunakan desain penelitian prototyping dengan tahapan identifikasi kebutuhan, perancangan sistem, implementasi perangkat keras dan lunak, serta pengujian performa berdasarkan parameter gerakan.
Model perancangan seperti ini banyak diadopsi dalam pengembangan perangkat wearable berbasis IoT karena bersifat iteratif dan memungkinkan penyesuaian cepat terhadap kebutuhan pengguna, terutama lansia yang memiliki keterbatasan fisik (Santoso & Wibowo, 2022.
Kim & Cho, 2.
Data sensor diolah menggunakan algoritma threshold-based detection, kemudian dikirimkan melalui jaringan Wi-Fi atau GSM ke platform monitoring berbasis aplikasi atau dashboard web.
Dengan desain kuantitatif berbasis prototyping ini, sistem tidak hanya dapat diuji secara numerik tetapi juga dapat dievaluasi dalam konteks usability dan reliability untuk penggunaan sehari-hari pada lingkungan nyata (Nugraha et , 2021.
Khan et al.
, 2.
| 19
Jurnal Pendidikan Vokasional Teknik Elektro
Blok Diagram Keseluruhan Input
Proses Output
Battery TP4056
LED
ESP 8266
MPU6050
Buzzer WiFi Telegram Gambar 1.
Blok Diagram Blok diagram pada Gambar 1 merupakan sebuah blok kerja dari prototype alat pendeteksi gerakan jatuh untuk lansia menggunakan sensor accelerometer mpu6050 berbasis internet of Pada blok diagram yang dibuat terbagi menjadi 3 bagian, yaitu: Input.
Proses, dan Output Flowchart Kerja Sistem Mulai Sensor Accelerometer MPU6050 Membaca Data ESP32 Memproses Data Sensor Apakah Accelerometer > Tidak Setatus Aman Notifikasi Jatuh Terkirim Mela lui Telegram dan Buz zer Berbunyi Reset Buzzer Buz zer Of f Selesai Gambar 2.
Flowchart Kerja Sistem Keseluruhan Jurnal Pendidikan Vokasional Teknik Elektro Pada Gambar 2 merupakan flowchart kerja sistem secara keseluruhan.
Ketika program dimulai, maka akan langsung menginisiasi program.
Sensor MPU6050 mendeteksi akselerometer sebuah Gerakan lalu ESP32 mengolah data akselerometer yang diterima dari Sensor MPU6050.
Jika nilai akselerometer lebih besar dari 1.
5 maka buzzer akan menyala dan telegram memberikan notifikasi lansia terjatuh, tapi jika nilai akselerometer lebih kecil dari 1.
5 maka status aman dan buzzer akan off maka sistem selesai.
HASIL DAN DISKUSI
Hasil Pengujian Koneksi Mikrokontroller Pengujian Pada tahap uji koneksi mikrokontroler ini penulis melakukan Analisa ketika mikrokontroler selesai diprogram hingga dapat mengerjakan semua perintah dari program sesuai dengan flowchart yang telah dibuat sebelumnya, berikut ini adalah proses ketika mikrokontroler selesai diprogram dan melakukan konektifitas pada WiFi yang telah dikonfigurasi sebelumnya.
Gambar 4.
1 Pengaturan koneksi Sumber: (Dokumen Pribad.
Pada gambar yang telah tertera diatas, menunjukan sebuah program untuk pengaturan SSID dan Password WiFi ataupun Hotspot sebagai konektifitas antara mikrokontroler dengan jaringan internet sehingga data yang diproses oleh mikrokontroler dapat diteruskan ke Telegram melalui verifikasi API menggunakan token dan id Telegram bot yang telah dibuat.
Kemudian langkah selanjutnya ketika seluruh program sudah selesai di verifikasi dan sudah dicek kebenarannya, maka program akan di burning pada mikrokontroler kemudian program akan bekerja seperti gambar yang dapat dilihat dibawah ini.
Gambar 4.
2 Melakukan Konektifitas Wifi Sumber : (Dokumen Pribad.
Gambar diatas menunjukan proses ketika melakukan konektifitas antara mikrokontroler dengan WiFi, mikrokontroler akan melakukan verifikasi apakah SSID dan Password WiFi yang dimasukan kedalam program sudah benar atau belum.
Proses ini akan berlangsung terus menerus dengan interval waktu 0 milisecond hingga WiFi dapat terkonfirmasi benar secara otomatis sehingga tidak perlu merubah Ae rubah perintah pada programnya.
| 21
Jurnal Pendidikan Vokasional Teknik Elektro Gambar 4.
3 Berhasil Terkoneksi Sumber : (Dokumen Pribad.
Gambar diatas menunjukan sebuah proses ketika mikrokontroler sudah berhasil terhubung dengan WiFi, dengan keteranan pada serial monitor akan menunjukan Alamat IP yang diterima oleh mikrokontroler dan juga data pembacaan dari sensor Accelerometer.
Hasil Pengujian Sensor MPU6050 Pengujian dilakukan untuk memastikan bahwa prototipe alat pendeteksi jatuh bekerja sesuai fungsinya, yaitu mampu mendeteksi gerakan jatuh dan mengirimkan notifikasi secara real-time melalui platform IoT.
Berikut adalah hasil pengujian Sensor MPU6050 pada Tabel 4.
Tabel 5.
Tabel 4.
Hasil Pengujian Sensor MPU6050 Gerakan yang Diuji Akselerasi Sudut Rotasi Status Deteksi Notifikasi Terkirim Berdiri normal A0.
1 Oe A0.
A1 Oe A3 Tidak jatuh Tidak Duduk normal A0.
2 Oe A0.
A2 Oe A4 Tidak jatuh Tidak Tidur normal A0.
0 Oe A0.
A0 Oe A1 Tidak jatuh Tidak Terjatuh ke depan > A1.
> 80
Jatuh Terjatuh ke samping kiri > A1.
> 75
Jatuh Terjatuh ke belakang > A1.
> 90
Jatuh Gerakan cepat .
A0.
8 Oe A1.
50 Oe 70 Tidak jatuh Tidak Tabel 5.
Hasil Pengujian Pengiriman Notifikasi IoT Kondisi Jatuh depan Jatuh ke samping Tidak jatuh .
alse Platform IoT Blynk / Telegram Blynk / Telegram Blynk / Telegram Rata-rata Waktu Pengiriman 1 detik Notifikasi Berhasil 4 detik Tidak Pembahasan Pada Tabel 1 dapat dilihat bahwa hasil pengujian tegangan kerja di masing-masing pin dalam keadaan tegangan kerja yang normal sesuai dengan datasheet.
Karena sensor fingerprint AS608 dapat bekerja dengan baik dengan menerima sinyal logika 3,3V.
Untuk LCD pun masih dalam Jurnal Pendidikan Vokasional Teknik Elektro keadaan tegangan kerja yang normal ketika diberi tegangan 5V.
Pada Tabel 2 & Tabel 3 dilihat bahwa dari hasil pengujian.
QR terkirim ke masing masing mahasiswa & QR dapat digunakan dengan baik serta unik.
Setiap QR sudah berisikan data masing-masing mahasiswa dan tidak dapat di scan oleh mahasiswa lain.
Kemudian pada Tabel 4 dilihat bahwa hasil pengujian fingerprint ketika Pre-Liminary Field Testing didapat persentase error sebesar 9,3%.
Lalu pada Tabel 5 hasil pengujian ketika Main Field Testing mengalami penurunan eror sebesar 5%.
Namun, ketika status tidak terdaftar, seperti yang dilihat pada Tabel 6 sensor bekerja dengan baik tidak dapat membaca sidik jari yang tidak Hal itu dapat disebabkan oleh beberapa faktor baik dari sidik jari seperti jari terlalu kering ataupun terlalu basah, terdapat luka pada kulit jari, ataupun peletakkan jari yang tidak pas menyentuh sensor fingerprint.
Faktor lainnya dapat disebabkan oleh kondisi fingerprint yang kotor serta membutuhkan waktu karena diperlukan pencocokkan dengan database online dan bergantung kepada sinyal yang ada.
Pada Tabel 7 dilihat bahwa hasil pengujian LCD ketika Pre-Liminary Field Testing didapat persentase error sebesar 9,3%, hal itu disebabkan LCD menerima data dari sensor fingerprint dan pada sensor tersebut terdapat kesalahan membaca pada beberapa percobaan yang dilakukan mahasiswa, begitu pula dengan Tabel 8 hasil pengujian LCD ketika Pre-Liminary Field Testing didapat persentase error sebesar 5% serta Tabel 3.
9 hasil pengujian LCD ketika status tidak terdaftar dari data 5 mahasiswa bahwa LCD dapat menampilkan data dengan baik sesuai dengan yang diterima oleh sensor fingerprint serta tidak terdapat kesalahan membaca.
Oleh karena itu, persentase terdeteksi error pengujian LCD pada mahasiswa yang tidak terdaftar sebesar 0%.
Hasil pengujian dilakukan ketika kondisi jari mahasiswa bersih serta tidak terlalu basah maupun tidak terlalu kering KESIMPULAN Berdasarkan hasil pengujian, alat berhasil mendeteksi gerakan jatuh secara akurat berdasarkan ambang batas percepatan dan sudut rotasi yang telah ditentukan.
Nilai ambang batas percepatan > A1.
3g dan sudut rotasi > 75A/s digunakan sebagai indikator jatuh.
Gerakan normal seperti berdiri, duduk, dan tidur tidak memicu alarm, menunjukkan tingkat akurasi yang baik dalam membedakan gerakan biasa dan jatuh.
Notifikasi berhasil dikirimkan ke perangkat pengguna dalam waktu rata-rata 2-3 detik setelah jatuh terdeteksi.
Ini menunjukkan bahwa integrasi dengan platform IoT berjalan dengan baik.
Sistem ini bekerja dengan sistem otomatis yang memanfaatkan ESP8266 sebagai mikrokontroler dan Telegram sebagai dashboard monitoring berbasis IOT serta sensor yang bekerja memberi nilai input kepada mikrokontroler.
Prototype deteksi gerakan jatuh berbasis IoT telah berhasil mengirimkan peringatan jatuh melalui bunyinya buzzer sebagai alarm dan juga notifikasi dari telegram.
Setelah melakukan beberapa pengujian penulis membuat ambang batas aman pada nilai 1,5 G.
Ketika terdeteksi bahwa nilai diatas dari ambang batas tersebut, maka alat
akan mendeteksi secara otomatis jika adanya terjadi sebuah guncangan atau jatuh
REFERENSI