Claim Missing Document
Check
Articles

Found 1 Documents
Search

Sistem Wearable Untuk Deteksi Postur Lockout Dalam Mixed-Grip Deadlift Menggunakan Metode Random Forest Berbasis Data MPU6050 Dwi Arini, Talitha; Syauqy, Dahnial; Wijaya Kurniawan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 3 (2025): Maret 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Olahraga memiliki banyak manfaat bagi tubuh manusia, namun jika tidak dilakukan dengan teknik yang benar, dapat menyebabkan cedera. Salah satu olahraga yang memiliki manfaat besar namun berisiko jika dilakukan dengan teknik yang salah adalah deadlift. Risiko ini semakin besar bagi pemula yang tidak memahami postur tubuh yang benar, terutama dalam fase lockout ketika melakukan mixed-grip deadlift. Dalam hal ini, penelitian berfokus pada pengembangan sistem untuk mendeteksi kesalahan postur tubuh selama latihan mixed-grip deadlift terutama fase lockout, yang bertujuan untuk mencegah cedera. Penelitian ini menggunakan sensor MPU6050 untuk menangkap nilai gerakan tubuh yang kemudian diproses menggunakan algoritma random forest untuk melakukan klasifikasi gerakan benar dan salah. Pada penelitian ini juga menggunakan mikrokontroler ESP32 untuk mengolah data dan komunikasi nirkabel. Dari hasil pengujian yang dilakukan, sistem mampu mencapai akurasi hingga 83% dengan total 24 sampel pengujian. Keberhasilan sistem juga dinilai dari performanya, yang mencakup rata-rata waktu komputasi model sebesar 395,8 μs, akurasi pembacaan sensor mencapai 80%, serta kemampuan sistem untuk melakukan komunikasi data dengan baik. Sistem ini diharapkan dapat membantu pemula melakukan deadlift secara aman dan efektif.