Jatuh pada lansia merupakan permasalahan serius yang dapat
menyebabkan cedera berat, cacat permanen, hingga kematian, sehingga
upaya deteksi dini sangat penting untuk meminimalkan risiko dan
dampak negatif yang ditimbulkan, terutama dalam mendukung
keselamatan dan kualitas hidup lansia. Penelitian ini bertujuan untuk
mengembangkan sistem deteksi jatuh pada lansia menggunakan
teknologi machine learning dan sensor accelerometer serta gyroscope
pada modul MPU6050. Penelitian terdahulu telah
mengimplementasikan sistem deteksi jatuh berbasis NodeMCU
ESP8266 dan sensor MPU6050 dengan memanfaatkan algoritma
Decision Tree yang diolah menggunakan Orange Data Mining untuk
menghasilkan nilai threshold deteksi, dengan akurasi hingga 95%. Namun, proses klasifikasi yang bergantung pada threshold statis di
mikrokontroler membatasi kemampuan adaptasi terhadap variasi
aktivitas baru dan mengurangi fleksibilitas pembaruan model. Untuk
mengatasi keterbatasan tersebut, penelitian ini mengembangkan sistem
deteksi jatuh berbasis Arduino UNO R4 WiFi dan sensor MPU6050
yang memantau percepatan serta kecepatan sudut tubuh secara real-time. Data dikirimkan melalui localhost ke laptop dan diproses menggunakan
algoritma Random Forest yang diimplementasikan dalam Visual Studio
Code, sehingga memungkinkan penggunaan model machine learning
dengan kompleksitas lebih tinggi serta pembaruan model secara dinamis. Hasil pengujian menunjukkan akurasi deteksi sebesar 97%, dengan rata-
rata delay pengiriman notifikasi ke Telegram sebesar 10 detik.