p-Index From 2020 - 2025
7.022
P-Index
This Author published in this journals
All Journal Cakrawala Pendidikan Jurnal Kependidikan: Penelitian Inovasi Pembelajaran Medikora: Jurnal Ilmiah Kesehatan Olahraga Journal of Education and Learning (EduLearn) Jurnal Kesehatan Masyarakat Jurnal Terapan Ilmu Keolahragaan JURNAL PENDIDIKAN JASMANI DAN OLAHRAGA Gelanggang Pendidikan Jasmani Indonesia Kinestetik : Jurnal Ilmiah Pendidikan Jasmani JOURNAL SPORT AREA JSKK (Jurnal Sains Keolahragaan dan Kesehatan) JUARA : Jurnal Olahraga TEGAR: Journal of Teaching Physical Education in Elementary School ACTIVE: Journal of Physical Education, Sport, Health and Recreation Jurnal Pendidikan Kesehatan Rekreasi JURNAL ILMU KEOLAHRAGAAN Jurnal Pedagogik Olahraga Jurnal Speed (Sport, Physical Education, Empowerment) Jurnal Sains Riset Jorpres (Jurnal Olahraga Prestasi) Jurnal Maenpo : Jurnal Pendidikan Jasmani Kesehatan dan Rekreasi Physical Activity Journal (PAJU) Didaktik : Jurnal Ilmiah PGSD STKIP Subang Edu Sportivo: Indonesian Journal of Physical Education Jurnal Kepelatihan Olahraga Indonesian Journal of Sport Management Indonesian Journal of Teaching in Science Edusentris: Jurnal Ilmu Pendidikan dan Pengajaran Jurnal Kesehatan dan Olahraga Jurnal Dunia Pendidikan Gladi : Jurnal Ilmu Keolahragaan Journal of International Conference Proceedings Jurnal Keolahragaan Asean Journal of Sport for Development and Peace JURNAL PENDIDIKAN OLAHRAGA JUARA ACTIVE: Journal of Physical Education, Sport, Health and Recreation JSSF : Journal of Sport Science and Fitness Physical Education and Sports: Studies and Research
Claim Missing Document
Check
Articles

Klasifikasi Aktivitas Fisik Berbasis Data Accelerometer ActivPAL dan ActiGraph: Metode Analisis dengan Machine Learning Agum Sholahuddin; Jajat Jajat; Imas Damayanti; Kuston Sultoni; Adang Suherman; Nur Indri Rahayu; Yati Nurhayati; Mohammad Zaky
Jurnal Dunia Pendidikan Vol 4 No 2 (2024): Jurnal Dunia Pendidikan
Publisher : LPPM Sekolah Tinggi Olahraga dan Kesehatan Bina Guna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55081/jurdip.v4i2.1886

Abstract

Aktivitas fisik secara teratur dapat memberikan dampak positif terhadap kesehatan pada semua golongan usia. Saat ini sudah banyak penelitian terkait pengukuran aktivitas fisik yang diakukan dengan memanfaatkan kecerdasan buatan (Artificial Intelligence) salah satunya menggunakan machine learning dalam mengklasifikasi aktivitas fisik. Studi ini bertujuan menganalisis klasifikasi aktivitas fisik menggunakan machine learning dengan sumber data accelerometer ActivPAL dan ActiGraph GT3X. Partisipan dalam penelitian ini 105 siswa Sekolah Menengah Atas berusia antara 17-19 Tahun. Penelitian ini menggunakan algoritma Machine learning Decision tree. Hasil analisis data menunjukan akurasi sebesar 56,25% pada instumen ActivPAL dan 93,33% pada instrumen ActiGraph. Performa akurasi decision tree sangat baik dalam mengklasifikasi aktivitas fisik yang bersumber dari data accelerometer ActiGraph dibandingkan dengan accelerometer ActivPAL. Selain waktu aktivitas fisik dan sedentary, jenis kelamin merupakan predictor lain untuk mengklasifikasi aktif atau tidaknya seseorang.
Analisis Promosi Gaya Hidup Sehat dan Aktif pada Perguruan Tinggi Negeri di Jawa Barat Muhammad Dzulfikar Firdaus; Adang Suherman; Jajat; Surdiniaty Ugelta; Yati Ruhayati; Kuston Sultoni; Imas Damayanti; Mohammad zaky; Nur Indri Rahayu
JURNAL PENDIDIKAN OLAHRAGA Vol 14 No 2 (2024): JURNAL PENDIDIKAN OLAHRAGA
Publisher : STKIP Taman Siswa Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37630/jpo.v14i2.1612

Abstract

Gaya hidup sehat memiliki pengaruh yang besar dalam kesehatan dan kebugaran yang menjadi faktor penting dalam menentukan kesehatan dan penyakit seseorang, bahkan gaya hidup sehat berdampak pada peningkatan kesejahteraan seseorang. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi promosi gaya hidup sehat dan aktif pada mahasiswa perguruan tinggi negeri di Jawa Barat. Metode penelitian yang digunakan adalah cross sectional dengan menggunakan kuesioner Health Promoting Lifestyle Profile II. Partisipan terdiri dari 641 mahasiswa yang berusia antara 18 tahun sampai dengan 24 tahun (M =21,05 ± SD= 1,369) yang terdiri dari 326 laki-laki dan 315 perempuan dan partisipan dipilih melalui teknik purposive sampling. Analisis data pada penelitian ini menggunakan descriptive statistics untuk mengetahui jumlah partisipan berdasarkan karakteristik partisipan, sementara itu, independent samples t-test dilakukan untuk mengetahui perbedaan rata-rata skor gaya hidup sehat dan aktif berdasarkan jenis kelamin dan status tempat tinggal dan one way ANOVA untuk mengetahui perbedaan berdasarkan status tempat tinggal. Hasil penelitian menunjukkan adanya perbedaan signifikan antara mahasiswa berdasarkan jenis kelamin yang memiliki nilai (p < 0,05) dan jenis UKM yang diikuti dengan nilai (p < 0,05), sementara itu tidak terdapat perbedaan yang signifikan berdasarkan status tempat tinggal yang memiliki nilai (p > 0,05). Dengan demikian, promosi gaya hidup sehat dan aktif harus terus dilakukan untuk meningkatkan gaya hidup sehat dan aktif pada mahasiswa.
PHYSICAL LITERACY PUBLICATION TRENDS IN INDONESIA USING BIBLIOMETRIC ANALYSIS Hayudi, H; Suherman, Adang; Sutresna, Nina; Yudiana, Yunyun
ASEAN Journal of Sport for Development and Peace Vol 4, No 2 (2024): Sports and Physical Education for a Better Quality of Life and Success (July) 20
Publisher : Universitas Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/ajsdp.v4i2.74323

Abstract

This research aims to link mapping analysis with VOSviewer software in bibliometric engineering research on physical literacy in Indonesia. The results of this mapping can be used as a reference and help researchers to decide on future research themes, especially those related to physical literacy. The Publis or Perish application is used to search and collect databases based on Google Scholar. Titles, keywords, and abstracts are part of the bibliographic mapping data used in this research. The search results collected 989 articles published over 11 years (2013-2023). Based on the number of publications on physical literacy in Indonesia from 2013-2023 it is unstable. 2021 will be the peak publication of 240 articles. Research on the topic of physical literacy in Indonesia is still very lacking and is wide open for research, mainly including physical literacy in educational unit curricula, physical literacy is linked to knowledge, physical literacy is linked to elementary schools, physical literacy is related to national development policies.
The influence of thinking styles and gender on students' creative thinking abilities in physical education Dupri; Suherman, Adang; Budiana, Dian; Juliantine, Tite
Edu Sportivo: Indonesian Journal of Physical Education Vol. 5 No. 2 (2024): Edu Sportivo: Indonesian Journal of Physical Education
Publisher : UIR Press Bekerjasama dengan International Association of Physical Education and Sports

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25299/esijope.2024.vol5(2).16781

Abstract

Background: Modern developments require Generation Z to be able to face future challenges that cannot be predicted. Research Objectives: The purpose of this study is to investigate how thinking styles and gender can develop creative thinking skills in students when learning physical education and also to investigate the interaction between thinking style and gender on creative thinking skills. Methods: This study used a non-experimental design. Thinking style is measured by learning and thinking style tests (SOLAT), and creative thinking skills are measured by the Torrance Test of Creative Thinking (TTCT), which consists of four indicators: fluency, flexibility, originality, and elaboration. The sampling technique in this study was cluster random sampling. The random process is carried out in two stages: the first is random selection by randomly selecting, and the second is the second is random assignment. The sample for this research was 68, consisting of 33 men and 35 women. Meanwhile, the analysis was done by looking at n-gain and continuing with the ANOVA test. Findings/Results: The results of this study indicate that thinking styles and gender significantly impact students' creative thinking ability, and there is also an interaction between thinking styles and types that significantly affects students' creative thinking ability. The analysis of the data obtained found a significant relationship between gender and students' creative thinking skills in physical education. Conclusion: Male students have better creative thinking skills than female students because they tend to use the right brain to develop their thinking skills. In developing creative thinking skills, grouping based on gender is necessary. Future research needs to be conducted by considering the right learning model for developing creative thinking skills during physical education learning.
A Machine Learning Approach to Predicting Physical Activity Levels in Adolescents Mahendra, Desvy Rahma Putri; Jajat, Jajat; Damayanti, Imas; Sultoni, Kuston; Ruhayati, Yati; Suherman, Adang; Rahayu, Nur Indri
Indonesian Journal of Sport Management Vol. 3 No. 2 (2023): Indonesian Journal of Sport Management
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/ijsm.v3i2.7145

Abstract

The ongoing evolution of technology has had both positive and negative effects on modern society. On the positive side, it has significantly improved the ease with which various activities can be performed. However, it has also had a negative impact by reducing physical activity. This reduction in physical activity, in turn, increases the risk of chronic diseases that contribute to global mortality rates. This research aims to assess the effectiveness of machine learning in predicting the physical activity levels of adolescents. The study utilizes data from accelerometers, specifically the ActiGraph GT3X. The research methodology employs a semi-supervised machine learning approach, using the support vector machine and decision tree algorithms to make these predictions. The sample comprises 61 adolescents (males = 17, female = 44), including high school students and university students aged 18-21, from the West Java region. The results from the machine learning model using the decision tree algorithm indicated a model accuracy of 97.50% in predicting physical activity levels. In contrast, the accuracy obtained from the performance analysis using the confusion matrix for the support vector machine model was 92.5%. Based on these accuracy levels, the decision tree algorithm outperforms the support vector machine algorithm's accuracy. Further analyses involving different models are necessary to determine which algorithm offers the highest level of accuracy.
Classifying Physical Activity Levels in Early Childhood Using Actigraph and Machine Learning Method Wandani, Syifa; Suherman, Adang; Jajat; Sultoni, Kuston; Ruhayati, Yati; Damayanti, Imas; Rahayu, Nur Indri
Indonesian Journal of Sport Management Vol. 3 No. 2 (2023): Indonesian Journal of Sport Management
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/ijsm.v3i2.7173

Abstract

Actigraph is a widely used accelerometer for classifying physical activity levels in children, adolescents, adults, and older people. The classification of physical activity levels on Actigraph is determined through time calculations using cut-point formulas. The study aims to classify physical activity in young children according to the guidelines of the World Health Organization (WHO) using accelerometer data and machine learning methods. The study involved 52 young children (26 girls and 26 boys) aged 4 to 5 years in West Java, with an average age of 4.58 years. Physical activity and sedentary behavior of these early childhood were simultaneously recorded using the Actigraph GT3X accelerometer for seven days. The data from the Actigraph were analyzed using two algorithm models: the decision tree and support vector machine, with the Rapidminer application. The results from the decision tree model show a classification accuracy of 96.00% in categorizing physical activities in young children. On the other hand, the support vector machine model achieved an accuracy of 84.67% in classifying physical activities in young children. The decision tree outperforms the support vector machine in accurately classifying physical activities in early childhood. This research highlights the potential benefits of machine learning in sports and physical activity sciences, indicating the need for further development.
RELIABILITAS PITTSBURGH SLEEP QUALITY INDEX VERSI BAHASA INDONESIA PADA LANSIA AKTIF BEROLAHRAGA Sadewa, Fanuelciho; Ruhayati, Yati; Jajat, Jajat; Sultoni, Kuston; Suherman, Adang; Damayanti, Imas; Rahayu, Nur Indri
Jurnal Kesehatan dan Olahraga Vol 8, No 1 (2024)
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/ko.v8i1.56927

Abstract

Seiring bertambahnya usia, volume dan kualitas tidur biasanya akan semakin berkurang. Kualitas tidur salah satunya dikaitkan dengan aktivitas fisik dan olahraga. Namun demikian untuk mengukur kualitas tidur pada kelompok spesifik populasi yang aktif berolahraga masih terbatas, khususnya di Indonesia. Tujuan penelitian ini yaitu menguji reliabilitas dan validitas Pittsburgh Sleep Quality Index (PSQI) versi Indonesia. Pengujian validitas dan reliabilitas dilakukan tiga tahap, yaitu validitas bahasa, validitas & reliabilitas keterbacaan serta validitas & reliabilitas konstruk. Penelitian ini melibatkan 200 orang partisipan lansia berusia 60 – 77 tahun yang aktif di klub olahraga. Pengolahan dan analisis data dengan menggunakan correct item total correlation dan Cronbach’s alpha. Hasil penelitian menunjukkan bahwa PSQI versi Bahasa Indonesia pada populasi lansia yang aktif di klub olahraga memiliki reliabilitas yang rendah nilai Cronbach’s Alpha 0,4. Metode analisis seperti confirmatory factor analysis diperlukan untuk penelitian lebih lanjut.
Kepatuhan terhadap Pedoman Aktivitas Fisik WHO pada Anak Usia Dini : Evaluasi dengan Metode Machine learning Ramdhan, Akhmad Faizal; Suherman, Adang; Jajat; Sultoni, Kuston; Damayanti, Imas; Ruhayati, Yati
Jurnal Pendidikan Kesehatan Rekreasi Vol. 10 No. 1 (2024): Januari 2024
Publisher : Program Studi Pendidikan Jasmani Kesehatan dan Rekreasi FKIP Universitas PGRI Mahadewa Indonesia bekerjasama dengan Asosiasi Prodi Olahraga Perguruan Tinggi PGRI (APOPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59672/jpkr.v10i1.3490

Abstract

Studi ini berupaya untuk mengevaluasi dan mengukur tingkat aktivitas fisik anak usia dini sejalan dengan pedoman Organisasi Kesehatan Dunia (WHO), menggunakan teknik klasifikasi machine learning pada data yang diperoleh dari kuesioner. Menyadari pentingnya aktivitas fisik di tahun-tahun formatif, penelitian ini bertujuan untuk menilai kepatuhan terhadap ambang batas aktivitas yang direkomendasikan WHO pada anak usia dini. Metodologi ini mengintegrasikan kuesioner komprehensif yang mengungkap beragam aspek pola aktivitas fisik anak usia dini, yang mencakup durasi, intensitas, dan jenis aktivitas yang dilakukan dalam berbagai situasi. Sebanyak 99 orang tua siswa melaporkan aktivitas keseharian anak mereka yang berusia 4 sampai 5 tahun (M = 4,59±0,41). Dengan memanfaatkan model klasifikasi algoritma machine learning decision tree, penelitian ini memproses data yang dikumpulkan untuk membedakan pola dan mengklasifikasikan tingkat aktivitas berdasarkan kriteria WHO. Hasilnya menunjukkan, indikator waktu aktivitas, waktu tidur dan waktu bermain menjadi indikator penentu decision tree dalam mengklasifikasi kepatuhan anak usia dini terhadap rekomendasi aktivitas fisik WHO. Lebih lanjut, machine learning decision tree sangat efektif dalam mengevaluasi dan mengklasifikasikan kepatuhan aktivitas fisik anak usia dini dengan performa akurasi 90%. Efektivitas pendekatan machine learning decision tree dalam mengevaluasi dan mengkategorikan tingkat aktivitas fisik anak usia dini secara akurat, menyoroti bidang-bidang potensial untuk intervensi dan strategi yang ditargetkan untuk meningkatkan kepatuhan terhadap aktivitas fisik yang direkomendasikan oleh WHO. Metodologi ini menawarkan instrumen yang menjanjikan bagi para profesional kesehatan, pembuat kebijakan, dan pendidik untuk lebih memahami dan mengatasi perilaku aktivitas fisik anak usia dini, sehingga berkontribusi terhadap promosi gaya hidup sehat sejak usia dini.
Analisis Bibliografi dan Visualisasi: Strength Training on Youth Athlete Agus, Herdiansyah; Suherman, Adang; Mubaraq, Rizqi
Jurnal Kepelatihan Olahraga Vol 16, No 2 (2024)
Publisher : Fakultas Pendidikan Olahraga dan Kesehatan, Universitas Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jko-upi.v16i2.69704

Abstract

Strength training has been applied with various methods for young athletes around the world, but there is little analysis that reveals research trends related to strength training in young athletes. This study bibliometrically analyzed articles from 2008 to 2023 related to the keywords strength training, resistance training, youth, and athlete. The analysis was conducted to reveal patterns of research development, articles and leading authors, journals, institutions and countries. Visualization was done using VOS viewer. The findings provide insights for the scientific field of coaching and sports talent development, especially researchers and readers to identify the development of research on strength training in young athletes as well as identify potential areas of current research. The United Kingdom was the most productive country with 49 publications and 735 citations related to strength training in youth athletes.
KLASIFIKASI AKTIVITAS FISIK BERBASIS DATA ACCELEROMETER DAN KUESIONER DENGAN METODE MACHINE LEARNING Putri Mulyana, Humaira Azzahra; Suherman, Adang; Jajat, Jajat; Damayanti, Imas; Sultoni, Kuston; Ruhayati, Yati; Rahayu, Nur Indri
Jurnal Speed (Sport, Physical Education, Empowerment) Vol 6 No 2 (2023): Jurnal Speed (Sport, Physical Education, and Empowerment)
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/jurnalspeed.v6i2.10197

Abstract

Accelerometer dan kuesioner merupakan instrumen yang telah banyak digunakan para peneliti dalam studi aktivitas fisik. Penelitian ini bertujuan untuk menganalisis perbedaan akurasi klasifikasi level aktivitas fisik dengan metode machine learning. Partisipan dalam penelitian ini yaitu remaja berusia 18-21 tahun (M=19,79 ; SD = 1,13)  dengan jumlah perempuan 44 orang dan laki-laki 17 orang. Instrumen yang digunakan dalam penelitian yaitu accelerometer Actigraph GT3X dan International Physical Activity Questionnaire (IPAQ). Adapun analisis klasifikasi level aktivitas fisik dilakukan dengan algoritma machine learning decision tree. Hasil analisis menunjukkan bahwa untuk dataset berbasis accelerometer Actigraph GT3X memiliki performa akurasi 98,36%, sedangkan akurasi dataset IPAQ menunjukkan performa akurasi sebesar 73,77%. Metode algoritma machine learning decision tree dapat digunakan untuk mengklasifikasi level aktivitas fisik pada kedua jenis sumber dataset dengan performa akurasi sedang sampai tinggi. Analisis lebih lanjut diperlukan dengan menggunakan algoritma machine learning lainnya untuk mendapatkan hasil penelitian yang lebih variatif. Keywords: Actigraph, Artificial Intelligence, DecisionTree, Intensitas Aktivitas Fisik
Co-Authors Affero Ismail, Affero Afridawati Agi Ginanjar Agum Sholahuddin Agus Rusdiana,, Agus Agus, Herdiansyah Aji Septiana Rahmansyah Akbar, Muhammad Syagil Amung Ma'mun Anggara, Muhammad Sofyan Apriady, Hilmy Asep Suherman Bambang Abduljabar Bambang Abduljabar Beltasar Tarigan Boyke Mulyana Budiana, Dian Budiman Budiman Damhuri, Wahid Jayonegoro Desvy Rahma Putri Mahendra Dian Budiana, Dian Dicky Tri Juniar Dicky Tri Juniar Dini Siti Cahya Kartini Dr. Tite Juliantine,M.Pd Dupri Fadlilah, Ghaitsa Zahira Shofa Fahri, Achmad Syakur Ferdiana, Fendi Hambali, Burhan Hayudi, Hayudi Herman Subarjah Hidayat Ilmawati, Hilda Imas Damayanti Imas Damayanti Imas Damayanti imas damayanti Isti Fauziah Pratiwi Jaenudin, Muhamad Ade Jajat Jajat Jajat Jajat Jajat Jajat jajat jajat Jajat, Jajat Julianti, Rekha Ratri Kartini, Dini Siti Cahya Komarudin Komarudin Kumalasari, Isti Lutfi Nur Ma'mun, Amung ma'mun, Amung Ma’mun, Amung Mahardika Amareksa, I Putu Tegar Mahendra, Agus Mahendra, Agus Mahendra, Desvy Rahma Putri Mesa Rahmi Stephani, Mesa Rahmi Mohammad Zaky Mohammad Zaky Mubaraq, Rizqi Muhamad Nurul Rafli Muhammad Dzulfikar Firdaus Muhammad Dzulfikar Firdaus Muktiarni, Muktiarni Mulyana, Defri Mulyana, Humaira Azzahra Putri Mustika Fitri Nina Sutresna Novianti, Berliana Novitasari , Eka Fitri Nur Indri Rahayu Nur Indri Rahayu Nur Indri Rahayu Nur Indri Rahayu Nur Indri Rahayu nur indri rahayu Nur, Lutfi Nurlan Kusmaedi Nuryanti, Widy Dewi Pusparagen, Yusnita Putri Mulyana, Humaira Azzahra Putri, Wulandari Putro, Adi Ari Raden Cyntani Araya Rahman, Revanza Rizky Rahmi Stephani, Mesa Raihan Rizki Ramadhan Ramdhan, Akhmad Faizal Rauzan, Muhammad Phirous Ricky Wibowo Rudi Hartono Ruhayati, Yati Sadewa, Fanuelciho Setyo Purwanto Silvy Juditya Sri Devi, Sri Sultoni, Kuston Sumarno, Gano Surdiniarty Ugelta Surdiniaty Ugelta Surdiniaty Ugelta Syifa Wandani Syihab, Syifa Tarigan, Beltasar Taupik Rochman Ugelta, Sudirniaty Wandani, Syifa Yati Nurhayati Yati Rohayati, Yati Yati Ruhayati Yati Rukhayati Yudy Hendrayana, Yudy Yunyun Yudiana Yusuf Hidayat Yusuf Hidayat Zinat Ahmad, Irfan