DETEKSI JATUH MENGGUNAKAN ALGORITMA FEED-FORWARD ARTIFICAL NEURAL NETWORK (FFANN)

ABSTRAK
Kejatuhan dapat menyebabkan kondisi yang fatal, bahkan kematian. Sistem monitor jatuh diperlukan untuk mengurangi tingkat kematian orang jatuh dalam kelompok potensi tinggi jatuh. Deteksi peristiwa jatuhnya dapat dideteksi menggunakan sensor ponsel yang ada. Data sensor
akselerometer dan gyroscope akan diambil untuk mengenali gerakan kemudian dibandingkan dengan data sensor jatuh untuk mengidentifikasi jatuh.
Dalam makalah ini, kami menggunakan deteksi berdasarkan ambang batas dan umpan maju jaringan saraf untuk membedakan peristiwa jatuh antara kegiatan sehari-hari. Hasil penelitian menunjukkan bahwa sistem yang diusulkan dapat berhasil memperoleh akurasi sistem pendeteksi jatuh hingga 95,00% dari 80 percobaan jatuh, dan akurasi rata-rata 98,33% dari ADL 120 kali dari total percobaan.