Article Per Year (5 Year)
p-Index From 2021 - 2026
3.06
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer INTECOMS: Journal of Information Technology and Computer Science Journal of Applied Management and Business (JAMB) Jurnal Sains dan Teknologi ISTP
Setia Budi, Agung
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Sistem Wearable untuk Analisis Gerakan Concentration Curls pada Latihan Otot Bisep dengan Metode Random Forest Veda Fitrianingrum, Perlita; Setia Budi, Agung
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

Latihan angkat beban, termasuk concentration curls yang berfokus pada otot bisep, merupakan aktivitas olahraga yang efektif untuk meningkatkan kekuatan otot. Namun, kesalahan teknik gerakan masih sering terjadi terutama tanpa pendampingan personal trainer, sehingga dapat menurunkan efektivitas latihan. Penelitian ini mengembangkan sistem wearable berbasis tiga perangkat mikrokontroler ESP32-C3 dan sensor MPU6050 yang ditempatkan pada pergelangan tangan, lengan atas, dan punggung untuk menganalisis ketepatan gerakan concentration curls secara real-time menggunakan metode Random Forest. Data gerakan dikirim menggunakan protokol komunikasi ESP-NOW, diolah melalui ekstraksi fitur statistik, kemudian diklasifikasikan menjadi dua kelas, yaitu gerakan benar dan gerakan salah, dengan hasil klasifikasi disampaikan kepada pengguna melalui buzzer sebagai umpan balik langsung. Hasil pengujian menunjukkan model Random Forest memiliki performa klasifikasi yang baik dengan rata-rata akurasi validasi silang sebesar 99,50%. Pengujian terhadap keseluruhan sistem yang melibatkan enam partisipan dengan total 240 data menunjukkan akurasi sebesar 95,42%, dengan 229 data berhasil diklasifikasikan secara benar. Mekanisme umpan balik buzzer terbukti bekerja sesuai dengan hasil klasifikasi yang dihasilkan sistem. Berdasarkan hasil tersebut, sistem wearable yang dikembangkan mampu melakukan klasifikasi gerakan concentration curls secara akurat serta memberikan umpan balik real-time, sehingga berpotensi membantu pengguna melakukan latihan dengan teknik yang lebih tepat.
Co-Authors Aditya Fadhil, Rifqi Afif, Muhammad Naufal anugrah winanda, wima Bimasakti, Abraar Eva Herianti Ghozi Mubarak, Fauzan Hamonangan, Mikhael Ikhsani, Mukhammad Fadhila Jonathan, Ricardo Marpaung, Nalom D Mayang Anglingsari Putri, Mayang Anglingsari Nugroho, Muhamad Ari Onwardana, M. Eka Pradipto, Arya Prihati, Yani Putra Nusantara, Guruh Rahman Hakim, Aji Rakhmadhany Primananda, Rakhmadhany Ramadhan, Farhan Regasari Mardi Putri, Rekyan Rinaldi, Muhammad Faqiih Alghiffari Risqy Siwi Pradini Sofia, Basma Tridian Galih, Sinta Trihapningsari , Denisha Trihapningsari Veda Fitrianingrum, Perlita Wulandari, Aryani