Show simple item record

dc.contributor.advisorSyarif Hidayat, S.kom.,M.IT
dc.contributor.authorVerin Refinda D.D., 12523091
dc.date.accessioned2018-08-30T19:09:28Z
dc.date.available2018-08-30T19:09:28Z
dc.date.issued2018-08-20
dc.identifier.urihttps://dspace.uii.ac.id/handle/123456789/10286
dc.description.abstractKecelakaan dan cedera yang diakibatkan oleh terjatuh biasa nya lebih rentang terjadi pada lansia. Banyak pencegahan jatuh dengan menggunakan pendekatan-pendekatan yang telah dikembangkan berkisar dari pengobatan dan penyesuaian lingkungan, menggunakan pengekang fisik sampai bantalan pelindung pinggul dan sistem komersil semacam perlindungan diri untuk mengurangi resiko dari terjatuh. Kecelakaan jatuh lebih sering dialami oleh lansia yang sudah berkurang optimalisasi kinerja tubuh, yang mengakibatkan kondisi dimana mereka mudah untuk terjatuh. Kurangnya pengawasan dan keterbatasan fisik para lansia yang sulit untuk meminta bantuan menjadi dasar gagasan dibuatnya alat pendeteksi jatuh dengan dasar accelerometer. Alat pendeteksi jatuh ini akan dibawa oleh objek di dalam kantung mereka. Kinerja nya alat ini akan memberikan laporan atau peringatan kepada sanak saudara atau orang yang dihimbau oleh objek bilamana bergerakan alat ini saat dibawa oleh objek mengalami pergerakan jatuh, yaitu pergerakan dari posisi semula ke posisi terjatuh kebawah. Namun keakurasian pendeteksi jatuh pada saat kejadian menjadi masalah yang cukup besar. Setelah diselidiki kinerja berbagai pengklasifikasi pada pendeteksi jatuh, Threshold yang didapat sensitivitas tertinggi hanya mencapai 90,15%. Perbedaan hasil deteksi dengan data yang telah di record dapat menjadikan report yang diberikan oleh pendeteksi jatuh tidak sesuai dengan apa yang terjadi dilapangan.Untuk mengatasi kurangnya keakurasian pada saat mendeteksi maka dilakukan penelitian ini untuk mencari cara menambah keakurasian pendeteksi jatuh pada saat mendeteksi. Sebelum diolah dataset dibagi menjadi dua kategori terlebih dahulu, yaitu data MIN (nilai data di bawah nilai pengkategorian) dan data MAX (nilai data di atas nilai pengkategorian. Hasil perhitungan decision tree menggunakan RapidMiner selanjutnya diuji keakurasian dengan menggunakan metode confusion matrix. Data hasil yang diambil ada tiga yaitu bagan decision tree tabel klasifikasi data dan tabel validasi. Dari hasil perhitungan dan validasi didapat sensitifity 82%, spesifity 97%, dan accuracy 95%. Untuk mengetahui ketepatan pengujian, dilakukan perhitungan manual untuk splitter pertama pada decision tree dan confusion matrix pada activity falling. Perhitungan atau pemetaan decision tree menggunakan RapidMiner dengan perhitungan manual menemukan kecocokan pada splitter pertama dan variable dengan Gain terbesar yaitu std_x. sedangkan pada perhitungan confusion matrix masil memiliki perbedaan. Perhitungan menggunakan RapidMiner accuracy falling mencapai 81.43%, sedangkan accuracy falling pada perhitungan manual mencapai 99%.en_US
dc.publisherUniversitas Islam Indonesiaen_US
dc.subjectjatuhen_US
dc.subjectklasifikasien_US
dc.subjectdecision treeen_US
dc.titleKLASIFIKASI JATUH MENGGUNAKAN ALGORITMA DECISION TREEen_US
dc.typeUndergraduate Thesisen_US


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record