Lansia merupakan fase terakhir pada pertumbuhan manusia. Saat seseorang memasuki fase tersebut maka mereka akan mengalami berbagai perubahan yang menyebabkan meningkatnya resiko mengalami jatuh. Kejadian jatuh salah satu masalah yang meluas di kalangan orang tua dimana menyebabkan kerusakan psikologis dan fisiologis yang mengarah ke cedera parah, dan bahkan kematian jika perhatian medis tidak segera diberikan. Pengawasan sangat diperlukan bagi orang lanjut usia yang potensi jatuhnya tinggi. Namun, sebagai anggota keluarga tidak mungkin selamanya berada di dekat lansia untuk melakukan pengawasan secara langsung. Oleh karena itu, pengawasan dilakukan secara tidak langsung dengan memanfaatkan teknologi saat ini. Penulis memberikan solusi dengan membuat suatu sistem deteksi untuk orang lanjut usia, dimana pada sistem ini besaran akselerasi dan orientasi pada sumbu x, y, dan z dari sensor accelerometer dan gyroscope diproses menjadi nilai total akselerasi dan total orientasi, lalu dikumpukan menjadi data training aktivitas gerakan yang kemudian diolah atau dipelajari menggunakan machine learning algoritma Decision Tree menggunakan software Orange Data Mining untuk menentukan suatu nilai threshold deteksi jatuh. Nilai tersebut digunakan untuk membedakan aktivitas biasa dengan jatuh yag diaplikasikan ke mikrokontroler. Kemudian jika jatuh terdeteksi, perangkat mengirimkan pemberitahuan dan pesan ke orang bersangkutan atau anggota keluarga dengan bot aplikasi Telegram. Pada perangkat ini digunakan NodeMCU ESP8266 sebagai mikrokontroler dan MPU6050 yang menghasilkan output sensor accelerometer dan gyroscope. Dari hasil pengujian untuk menentukan tingkat kehandalan perangkat yang dilakukan sebanyak 80 kali gerakan, didapatkan nilai sensitifitas sebesar 90%, nilai spesifisitas sebesar 98%, dan nilai akurasi sebesar 95%.

Kata kunci : Lansia, Jatuh, Telegram, NodeMCU ESP8266, Accelerometer, Gyroscope