Article Per Year (5 Year)
p-Index From 2021 - 2026
3.881
P-Index
This Author published in this journals
All Journal Medikora: Jurnal Ilmiah Kesehatan Olahraga Jurnal Keolahragaan Jurnal Terapan Ilmu Keolahragaan Kinestetik : Jurnal Ilmiah Pendidikan Jasmani JSKK (Jurnal Sains Keolahragaan dan Kesehatan) Jambura Health and Sport Journal JURNAL ILMU KEOLAHRAGAAN Jurnal Speed (Sport, Physical Education, Empowerment) Jurnal Sains Riset Jorpres (Jurnal Olahraga Prestasi) Indonesian Journal of Sport Management Jurnal Kesehatan dan Olahraga Gladi : Jurnal Ilmu Keolahragaan Jurnal Keolahragaan JURNAL PENDIDIKAN OLAHRAGA
Jajat, Jajat
Universitas Pendidikan Indonesia
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Economics, Econometrics & Finance Education Health Professions Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
Prediksi Mood Berdasarkan Pola Aktivitas Fisik pada Remaja Menggunakan Algoritma Machine Learning Kencana, Mayang Mega; Jajat, Jajat; Zaky, Mohammad; Sutoni, Kuston
Jurnal Keolahragaan Vol 10, No 2 (2024): Jurnal Keolahragaan
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/jkor.v11i1.17895

Abstract

Penelitian ini bertujuan untuk memprediksi mood remaja berdasarkan pola aktivitas fisik menggunakan algoritma machine learning. Aktivitas fisik sering kali berkorelasi erat dengan kondisi emosional, sehingga pendekatan ini dapat memberikan wawasan baru dalam mendukung kesehatan mental. Data dikumpulkan dari 50 remaja mahasiswa melalui perangkat wearable selama 90 hari, mencakup parameter seperti jumlah langkah, durasi aktivitas, intensitas, dan pola tidur. Sementara untuk data mood diperoleh dari skala BRUMs yang sudah diadaptasi dan divalidasi. Algoritma Decision Tree dan Support Vector Machine (SVM) digunakan untuk membangun model prediksi, dengan evaluasi kinerja berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Decision Tree lebih unggul dibandingkan SVM, dengan akurasi sebesar 98,44% dibandingkan 97,45%. Decision Tree juga menunjukkan keunggulan dalam interpretasi model dan efisiensi komputasi, yang penting untuk implementasi aplikasi prediktif real-time. Penelitian ini menyimpulkan bahwa algoritma Decision Tree merupakan pendekatan yang lebih efektif untuk prediksi mood berbasis pola aktivitas fisik pada remaja. Temuan ini diharapkan dapat menjadi dasar pengembangan sistem pendukung kesehatan mental berbasis teknologi wearable.  This study aims to predict adolescents' mood based on physical activity patterns using machine learning algorithms. Physical activity is often closely correlated with emotional states, making this approach potentially valuable in providing new insights to support mental health. Data were collected from 50 university students using wearable devices over 90 days, including parameters such as step count, activity duration, intensity, and sleep patterns. Mood data were obtained using the BRUMs scale, which had been adapted and validated. Decision Tree and Support Vector Machine (SVM) algorithms were employed to develop the predictive model, with performance evaluated based on accuracy, precision, recall, and F1-score metrics. The results showed that the Decision Tree outperformed SVM, achieving an accuracy of 98.44% compared to 97.45%. Decision Tree also demonstrated advantages in model interpretability and computational efficiency, which are crucial for implementing real-time predictive applications. This study concludes that the Decision Tree algorithm is a more effective approach for mood prediction based on physical activity patterns in adolescents. These findings are expected to form the foundation for developing mental health support systems based on wearable technology.
Prediksi Mood Berdasarkan Pola Aktivitas Fisik pada Remaja Menggunakan Algoritma Machine Learning Kencana, Mayang Mega; Jajat, Jajat; Zaky, Mohammad; Sultoni, Kuston; Ruhayati, Yati
Jurnal Keolahragaan Vol 11, No 1 (2025): April
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/jkor.v11i1.17894

Abstract

Penelitian ini bertujuan untuk memprediksi mood remaja berdasarkan pola aktivitas fisik menggunakan algoritma machine learning. Aktivitas fisik sering kali berkorelasi erat dengan kondisi emosional, sehingga pendekatan ini dapat memberikan wawasan baru dalam mendukung kesehatan mental. Data dikumpulkan dari 50 remaja mahasiswa melalui perangkat wearable selama 90 hari, mencakup parameter seperti jumlah langkah, durasi aktivitas, intensitas, dan pola tidur. Sementara untuk data mood diperoleh dari skala BRUMs yang sudah diadaptasi dan divalidasi. Algoritma Decision Tree dan Support Vector Machine (SVM) digunakan untuk membangun model prediksi, dengan evaluasi kinerja berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Decision Tree lebih unggul dibandingkan SVM, dengan akurasi sebesar 98,44% dibandingkan 97,45%. Decision Tree juga menunjukkan keunggulan dalam interpretasi model dan efisiensi komputasi, yang penting untuk implementasi aplikasi prediktif real-time. Penelitian ini menyimpulkan bahwa algoritma Decision Tree merupakan pendekatan yang lebih efektif untuk prediksi mood berbasis pola aktivitas fisik pada remaja. Temuan ini diharapkan dapat menjadi dasar pengembangan sistem pendukung kesehatan mental berbasis teknologi wearable.
Bibliometric analysis: sport pedagogy and physical activity in adolescents Mulyana, Humaira Azzahra Putri; Suherman, Adang; Jajat, Jajat; Ferdiana, Fendi
Jorpres (Jurnal Olahraga Prestasi) Vol. 20 No. 2 (2024)
Publisher : Departement of Sports Coaching, Faculty of Sports Sciences, Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jorpres.v20i2.82197

Abstract

Research in the field of Sport Pedagogy and Adolescent Physical Activity has experienced dynamic development. This study examines trends and advancements in sport pedagogy and adolescent physical activity through a bibliometric analysis approach. By analyzing a total of 714 articles from 2014 to 2024, the study aims to understand the evolution, focus, and contributions of research in this field. Through bibliometric analysis of data obtained from the Scopus database, we investigate scientific publications related to sport pedagogy and adolescent physical activity. The use of VOSviewer software facilitates the visualization of collaboration networks among researchers, institutions, and research topics, providing deeper insights into the structure and dynamics of this research domain. This bibliometric method offers insights into research trends over time, identifies key topics of interest, and highlights contributions from various leading institutions and researchers in the field. The study provides valuable insights for educators, researchers, and policymakers to refine and implement effective physical activity programs aimed at addressing adolescent inactivity and promoting lifelong physical activity. Additionally, this research includes a systematic literature review to map potential future research areas based on current trends, offering comprehensive guidance for upcoming research in this field.
Prediksi Mood Berdasarkan Pola Aktivitas Fisik pada Remaja Menggunakan Algoritma Machine Learning Kencana, Mayang Mega; Jajat, Jajat; Zaky, Mohammad; Sultoni, Kuston; Ruhayati, Yati
Jurnal Keolahragaan Vol 11, No 1 (2025): April
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/jkor.v11i1.17901

Abstract

This study aims to predict adolescents' mood based on physical activity patterns using machine learningalgorithms. Physical activity is often closely correlated with emotional states, making this approachpotentially valuable in providing new insights to support mental health. Data were collected from 50university students using wearable devices over 90 days, including parameters such as step count, activityduration, intensity, and sleep patterns. Mood data were obtained using the BRUMs scale, which had beenadapted and validated. Decision Tree and Support Vector Machine (SVM) algorithms were employed todevelop the predictive model, with performance evaluated based on accuracy, precision, recall, and F1-scoremetrics. The results showed that the Decision Tree outperformed SVM, achieving an accuracy of 98.44%compared to 97.45%. Decision Tree also demonstrated advantages in model interpretability andcomputational efficiency, which are crucial for implementing real-time predictive applications. This studyconcludes that the Decision Tree algorithm is a more effective approach for mood prediction based onphysical activity patterns in adolescents. These findings are expected to form the foundation for developingmental health support systems based on wearable technology.
Analisis Kualitas Tidur, Pola Aktivitas Fisik, Massa Otot, Massa Lemak, dan Body Mass Index Pada Member Idachi Fitness Rauzan, Muhammad Phirous; Rohayati, Yati; Sultoni, Kuston; Jajat, Jajat; Suherman, Adang; Nuryanti, Widy Dewi
Jurnal Keolahragaan Vol 11, No 1 (2025): April
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/jkor.v11i1.19764

Abstract

Physical fitness is an important component in maintaining health and quality of life. This study aims to analyze the relationship between sleep quality, physical activity patterns, muscle mass, fat mass, and body mass index (BMI) in fitness center members. Using a quantitative correlational approach, this study involved 54 participants selected through purposive sampling technique. The instruments used included the Pittsburgh Sleep Quality Index (PSQI), 24h Movement Questionnaire (QMov24h), and body composition measurements using the Karada Scan. The results showed that good sleep quality and involvement in structured physical activity were associated with a more ideal body composition, characterized by higher muscle mass, balanced fat mass, and BMI in the normal category. In contrast, moderate and vigorous physical activity did not show a significant relationship to body composition. These findings emphasize the importance of comprehensive lifestyle management that includes sleep quality, daily activity, and body composition monitoring to achieve optimal fitness.
Kontribusi VO2max dalam Olahraga Permainan Squash Palgunadhi, Finaldhi; Nuryanti, Widy Dewi; Kurniawan, Tian; Jajat, Jajat; Imanudin, Iman
Jurnal Keolahragaan Vol 11, No 2 (2025): Jurnal Keolahragaan
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/jkor.v11i2.19752

Abstract

ABSTRACTThe aim of this study was to examine the relationship between VO₂max and match rankings among squash athletes. This research employed a quantitative approach using a correlational study design. Through purposive sampling, a total of 18 national level squash athletes from Bandung City were selected as participants, consisting of 9 males and 9 females. The instruments used in this study included the bleep test to measure aerobic capacity and internal matches using a round-robin format (best of 5 games) to determine athlete rankings. The results showed no statistically significant relationship between VO₂max and overall match rankings among the squash athletes. However, further analysis based on gender revealed a significant negative correlation between VO₂max and match rankings among female athletes.Keywords: Squash, VO2max, Ranking ABSTRAKTujuan dari penelitian ini adalah untuk menguji hubungan VO2max dengan ranking pertandingan atlet pada olahraga permainan squash. Penelitian ini merupakan penelitian kuantitatif dengan metode studi korelasional. Menggunakan purposive sampling, maka sampel yang digunakan sebanyak 18 atlet nasional Squash Kota Bandung dengan rincian 9 laki-laki dan 9 perempuan. Instrumen yang digunakan ialah bleep test untuk mengukur kapasitas aerobik dan match internal dengan sistem round robin (best of 5 games) match untuk mengukur peringkat atlet. Hasil penelitian menunjukkan tidak ditemukan hubungan yang signifikan secara statistik antara nilai VO2max dengan ranking pertandingan atlet squash secara keseluruhan. Namun, ketika dianalisis lebih dalam berdasarkan jenis kelamin, ditemukan bahwa atlet perempuan memiliki korelasi negatif yang signifikan antara VO2max dengan ranking pertandingan. Kata Kunci:  Squash, VO2max, Ranking
IMPLEMENTASI METODE MACHINE LEARNING UNTUK MENGKLASIFIKASI AKTIVITAS FISIK PADA REMAJA BERBASIS DATA KUESIONER Kartini, Dini Siti Cahya; jajat, jajat; Ruhayati, Yati; Sultoni, Kuston; suherman, adang; damayanti, imas; rahayu, nur indri
Jurnal Kesehatan dan Olahraga Vol. 7 No. 2 (2023): September 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/ko.v7i2.51576

Abstract

Penggunaan artificial intelligence (AI) dalam berbagai bidang kehidupan termasuk aktivitas fisik dan olahraga menjadi salah satu yang sedang trending pada saat ini. Adapun tujuan penelitian ini adalah mengklasifikasi aktivitas fisik dengan metode machine learning berbasis data kuesioner berdasarkan waktu aktivitas dan Metabolic Equivalent of Task (MET). Subjek penelitian ini adalah 779 orang remaja usia 17-21 tahun (M+SD = 19,34+0,39) yang berasal dari siswa SMA dan Mahasiswa di Jawa Barat. International Physical Activity Questionnaire “ Short Form (IPAQ SF) digunakan untuk mengumpulkan data aktivitas fisik. Adapun algoritma machine learning yang digunakan yaitu decision tree. Hasil dari penelitian ini menunjukkan bahwa akurasi performa decision tree untuk mengklasifikasi aktivitas fisik berdasarkan variabel atribut kalkulasi MET lebih tinggi dibandingkan dengan atribut waktu aktivitas fisik (93% ; 86,67%). Algoritma decision tree memiliki akurasi tinggi dalam mengklasifikasi aktivitas fisik dengan atribut kalkulasi MET di setiap level. Analisis lebih lanjut dengan algoritma berbeda diperlukan untuk mengkaji performa terbaik. Kata kunci: aktivitas fisik, artificial intelligence, MET, decision tree
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): Maret 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.
ANALISIS GANGGUAN MENSTRUASI PADA ATLET BOLA VOLI NASIONAL Novianti, Berliana; Ruhayati, Yati; Damayanti, Imas; Jajat, Jajat; Ugelta, Sudirniaty; Sultoni, Kuston; Suherman, Adang
Jurnal Sains Riset Vol 14, No 1 (2024): April 2024
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Universitas Jabal Ghafur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47647/jsr.v14i1.2345

Abstract

Berolahraga dengan intensitas tinggi dapat menyebabkan perubahan hormonal, yang pada akhirnya dapat menyebabkan gangguan menstruasi. Tujuan dari penelitian ini adalah untuk menganalisis pengaruh gangguan menstruasi diantaranya usia, aktivitas fisik, dan usia menarche. Metode penelitian yang digunakan kuantitatif dengan pendekatan cross-sectional. Teknik pengambilan sampel yaitu simple random sampling dengan metode proporsional. Instrument yang di gunakan pada penelitian menggunakan kuesioner google form. Analisis data menggunakan analisis regresi linear berganda. Hasil penelitian menunjukkan terdapat pengaruh yang signifikan usia, aktifitas fisik dan usia menarche secara keseluruhan terhadap gangguan menstruasi, tidak terdapat pengaruh yang signifikan pada usia terhadap gangguan menstruasi, terdapat pengaruh yang signifikan pada aktifitas fisik terhadap gangguan menstruasi, terdapat pengaruh yang signifikan pada usia menarche terhadap gangguan menstruasi, sumbangan pengaruh dari usia, aktifitas fisik dan usia menarche sebesar 44,6% pada gangguan menstruasi.
EATING DISORDER DAN MUSCLE DYSMORPHIA PADA BINARAGA WANITA Mahardika Amareksa, I Putu Tegar; Ugelta, Surdiniaty; Jajat, Jajat; Sultoni, Kuston; Suherman, Adang; Damayanti, Imas; Ruhayati, Yati
Jurnal Sains Riset Vol 14, No 1 (2024): April 2024
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Universitas Jabal Ghafur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47647/jsr.v14i1.2340

Abstract

Banyaknya tekanan untuk menjadi kurus menyebabkan adanya dampak tidak baik bagi tubuh. Eating Disorder ( ED )  menjadi masalah utama bagi binaraga wanita dalam melaksanakan aktivitasnya yang dapat menyebabkan Muscle Dysmorphia ( MD ). Tujuan penelitian ini adalah melihat adakah hubungan antara ED dengan MD pada binaraga wanita. Penelitian ini melibatkan 20 sampel yang dimana sampel tersebut wanita yang aktif melakukan aktifitas GYM dengan usia 19-25 tahun. Penelitian ini menggunakan test seperti Eating Atitude Test ( EAT-26) dan From the Drive for Muscularity Scale ( DMS ). Setelah melakukan uji korelasi hasil penelitian ini menunjukan bahwa tidak adanya hubungan yang signifikan antara ED dengan MD pada binaraga wanita, hal ini disebakan karena banyaknya subjek yang malu memberikan informasi mengenai tubuh.Kata kunci: ED, MD, Binaraga, Wanita
Co-Authors Adang Suherman aditia, lugina Ahmad Hamidi Aini Dewi Monica Aji Septiana Rahmansyah Akbar, Muhammad Syagil Andiri, Linggi Badruzaman Badruzaman, Badruzaman Chamim, Miftachul Erlina, Terra Ermawan, Iman Fadlilah, Ghaitsa Zahira Shofa Ferdiana, Fendi Hardwis, Syam Iman Imanudin Imas Damayanti Imas Damayanti Imas Damayanti Isti Fauziah Pratiwi Kamli Suwandi Kartini, Dini Siti Cahya Kencana, Mayang Mega Kurniawan, Asep Ridwan Mahardika Amareksa, I Putu Tegar Mahendra, Desvy Rahma Putri Mohammad Zaky Muhamad Nurul Rafli Muhammad Dzulfikar Firdaus Mulyana, Humaira Azzahra Putri Mustika Fitri Novianti, Berliana Nur Indri Rahayu Nur Indri Rahayu Nur Indri Rahayu Nuryanti, Widy Dewi Palgunadhi, Finaldhi Paramitha, Sandey Tantra Putri Mulyana, Humaira Azzahra Raden Cyntani Araya Rauzan, Muhammad Phirous Rezha, Mohamad RR. Ella Evrita Hestiandari Ruhayati, Yati Sadewa, Fanuelciho Saloko, Bagas Aryo Sri Devi, Sri Sudrazat, Adang Sultoni, Kuston Supriyatna, Iik Surdiniarty Ugelta Surdiniaty Ugelta Surdiniaty Ugelta Sutisna, Nana Sutoni, Kuston Tian Kurniawan Ugelta, Sudirniaty Yati Rohayati, Yati Yati Ruhayati Yati Rukhayati