Berjalan merupakan kegiatan yang hampir dilakukan semua orang yang sehat dan
normal, gaya berjalan yang dimiliki setiap orang berbeda-beda karena dipengaruhi oleh faktor
postur tubuh, tinggi badan, jenis kelamin, berat badan, dan usia. Gaya berjalan manusia dapat
diklasifikasikan dan dapat memberikan gambaran usia seseorang. Maka dari itu penulis
merancang suatu sistem yang ditujukan untuk memprediksi usia seseorang dari gerakan
berjalan dengan menggunakan metode klasifikasi yaitu K-Nearest Neighbors (KNN).
Metode yang dilakukan penulis pada penelitian yaitu prediksi usia dengan melakukan
2 siklus berjalan. Dalam 1 siklus terdapat 2 langkah kaki, penelitian ini melihat akselerasi
kecepatan kaki pada saat berjalan. Sensor MPU9250 yang digunakan untuk merekam langkah
kaki dan sensor tersebut diletakan pada kaki seseorang. ESP 32 yang menjadi sistem yang
terhubung dengan aplikasi arduino membantu merekam akselerasi kecepatan pada kaki.
Metode klasifikasi yang digunakan adalah K-Nearest Neighbors (KNN) untuk melakukan
klasifikasi jenis kelompok usia 0 dari usia 17 tahun sampai 20 tahun, kelompok usia 1 dari usia
21 tahun sampai 40 tahun, dan kelompok usia 2 dari usia 41 tahun sampai 60 tahun. Ekstraksi
fitur yang digunakan adalah ekstraksi ciri mean karena memiliki tingkat akurasi terbaik yaitu
85% dalam proses training.
Pengujian sistem ini dilakukan pengambilan data dari 25 partisipan dari berbagai
macam usia mulai dari usia 17 tahun hingga usia 60 tahun dengan melakukan rekam akselerasi
pada kaki sebelah kanan dan paha sebelah kiri. Didapatkan akurasi dari pengujian prediksi usia
dengan rata-rata 82,5% kelompok usia 1; 73% untuk kelompok usia 0; dan 87% untuk
kelompok usia 2. Akurasi keseluruhan sebesar 80,83%.
Kata kunci : Walking Age , K-Nearest Neighbors (KNN), Pola berjalan, MPU9250,
Klasifikasi