Jatuh adalah yang paling umum dari peristiwa yang mengancam kehidupan yang dapat terjadi,yang mengarah pada insiden penurunan nilai yang tinggi kesehatan dan gaya hidup lansia. Jumlah kasus lansia terjatuh sangatlah sering. Hal ini diakibatkan tubuh fisik seorang lansia telah mengalami penurunan. Lansia juga sering hidup sendiri ,sehingga tidak ada yang mengawasi aktivitas lansia. Tujuan utama penelitian ini adalah untuk menciptakan alat yang dapat mengenali pola jatuh dan membedakannya dengan aktivitas sehari-hari. Perangkat sensor yang dipakai pada tubuh yaitu akselerometer 3-sumbu yang bekerja berdasarkan gerak tubuh dan gravitasi bumi. Data akselerometer direkam menggunakan sensor MPU-6050, kemudian data akselerometer dikirim ke laptop menggunakan modul ESP8266. Metode pengirim data akselerometer menggunakan metode User Datagram Protocol (UDP). Data akselerometer yang telah dikirim akan disimpan dalam bentuk Comma Separated Value (CSV), lalu CSV tersebut dikonversi menjadi bentuk gambar spektrogram. Gambar spektrogram ini akan menjadi dataset sebelum dilatih menggunakan metode Convolutional Neural Network (CNN). Metode klasifikasi Convolutional Neural Network (CNN) akan diterapkan untuk mengenali pola gerakan jatuh dan membedakannya dari aktivitas kehidupan sehari-hari. Pada penelitian ini, penulis membagi klasifikasi menjadi 3 yaitu diam, berjalan, dan jatuh. Apabila lansia terjatuh perangkat akan mengirimkan peringatan jatuh melalui pesan telepon ke nomor yang sudah terdaftar. Tingkat akurasi dari alat ini mencapai 90%, akurasi tersebut masih terbilang rendah dikarenakan terbatasnya kemampuan sensor. Alat pendeteksi jatuh dapat bekerja hingga 2 hari tanpa henti.