Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Muzayyin, Asep
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 Bantu Wearable pada Latihan Angkat Beban untuk Otot Biceps menggunakan Sensor MPU6050 dengan Metode Random Forest Muzayyin, Asep; Syauqy, Dahnial; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Gerakan angkat beban yang dilakukan untuk melatih otot biseps memerlukan teknik yang tepat dan kualitas latihan yang baik agar terhindar dari risiko terjadinya cedera. Penelitian ini membahas sistem bantu wearable untuk mengatasi sejumlah tantangan dalam latihan angkat beban untuk otot biseps, khususnya pada gerakan standing dumbbell curl, yang mencakup keterbatasan umpan balik langsung dan akses terbatas terhadap bimbingan instruktur. Parameter yang digunakan untuk mengetahui gerakan benar dan salah adalah nilai sudut dan akselerasi yang didapat dari sensor MPU6050 yang ditempatkan pada pergelangan tangan, lengan atas dan dada. Nilai parameter tersebut akan diolah menggunakan metode Random Forest dalam mikrokontroler ESP32. Random Forest dipilih karena memiliki tingkat keakuratan dan konsistensi yang tinggi serta tahan terhadap overfitting. Hasil klasifikasi Random Forest akan diberikan kepada pengguna berupa umpan balik melalui suara buzzer. Dari 20 kali pengujian dengan subjek yang memiliki variasi spesifikasi tubuh beragam, didapatkan akurasi model Random Forest yang dilatih pada dataset mencapai 96.4%. Sementara, tingkat akurasi model Random Forest yang diimplementasikan dalam sistem bantu wearable juga menunjukkan hasil yang sangat baik, yaitu mencapai 95%. Rata-rata waktu komputasi sistem dalam mengklasifikasikan gerakan benar dan salah pada gerakan standing dumbbell curl adalah 3.25 milidetik.
Co-Authors Dahnial Syauqy Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi