Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Karyadi, Angeline Indah Nurhayati
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Wearable Deteksi Postur Tubuh pada Gerakan Preacher Curl Menggunakan Algoritma Random Forest Karyadi, Angeline Indah Nurhayati; Budi, Agung Setia
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ketepatan postur pada gerakan preacher curl sangat memengaruhi efektivitas latihan otot biceps brachii serta risiko cedera, namun tidak semua individu memiliki akses terhadap pendampingan personal trainer. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem wearable berbasis tiga sensor MPU6050 yang dipasang pada pergelangan tangan, lengan atas, dan punggung untuk mendeteksi postur benar dan salah pada gerakan preacher curl secara real-time menggunakan algoritma Random Forest. Data gyroscope hasil akuisisi dikirim melalui komunikasi ESP-NOW ke ESP32C3 Receiver, kemudian diolah melalui tahap preprocessing berupa segmentasi berbasis peak detection, normalisasi Min-Max, perhitungan gyroscope magnitude, serta ekstraksi 14 fitur statistik dari sinyal gyroscope magnitude dan gyroscope smoothing pada sensor pergelangan tangan. Fitur tersebut digunakan sebagai masukan model klasifikasi Random Forest, dengan hasil klasifikasi disampaikan kepada pengguna melalui indikator buzzer. Hasil pengujian menunjukkan model Random Forest memperoleh akurasi sebesar 92,50% pada data pengujian. Setelah diimplementasikan pada ESP32C3, pengujian keseluruhan sistem terhadap enam partisipan dengan total 240 data pengujian menghasilkan akurasi klasifikasi sebesar 91,67%. Hasil ini membuktikan bahwa sistem wearable yang dikembangkan mampu mendeteksi postur gerakan preacher curl secara real-time dengan tingkat ketepatan tinggi, sehingga dapat digunakan sebagai alat bantu latihan mandiri yang efektif dan aman
Co-Authors Agung Setia Budi, Agung Setia