KLASIFIKASI AKTIVITAS MANUSIA BERBASIS SENSOR ACCELEROMETER DAN GYROSCOPE MENGGUNAKAN METODE MULTICLASS ENSEMBLE SVM

Pengenalan aktivitas manusia merupakan teknologi pengenalan aktivitas manusia yang dapat dikenali menggunakan sensor accelerometer, sensor gyroscope, kamera, dan GPS. Algoritma SVM awalnya dikembangkan untuk klasifikasi dengan dua class maka perlu modifikasi agar dapat menyelesaikan masalah lebih dari dua class serta jumlah data dengan skala besar menyebabkan performance tidak maksimal. Penelitian ini mengusulkan penerapan algoritma ensemble SVM untuk melakukan klasifikasi aktivitas manusia berbasis sensor accelerometer dan gyroscope pada smartphone. Total data sebanyak 13725 record dengan perwakilan masing-masing class sebanyak 4575. Dari hasil keseluruhan partisi data yang dilakukan pada proses klasifikasi menggunakan algoritma ensemble SVM, kinerja terbaik dihasilkan ketika perbandingan dataset dengan 80% data training dan 20% data testing dari total 13725 record karena berhasil meningkatkan akurasi, presisi dan sensitivitas.
Kata Kunci : Klasifikasi, Pengenalan Aktivitas Manusia, Ensemble, Bagging, Support Vector Machine.