Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Raharja, Kahfi May
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 Biseps Menggunakan Sensor MPU6050 dengan Algoritma Decision Tree Raharja, Kahfi May; Syauqy, Dahnial; Setyawan, Gembong Edhi
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

Dalam era peningkatan kesadaran akan gaya hidup sehat dan idealisasi tubuh atletis, latihan angkat beban, terutama dengan dumbbell, menjadi pilihan utama bagi individu pemula yang berambisi mencapai kebugaran pribadi. Pada umumnya, individu ini mengadopsi teknik standing dumbbell curl, meskipun seringkali tanpa menyadari bahwa gerakan tersebut memfokuskan latihan pada otot biseps. Kesadaran yang minim terhadap teknik yang benar dapat menurunkan efektivitas latihan dan meningkatkan risiko cedera sehingga peran pelatih dalam memberikan panduan menjadi sangat penting. Namun, tidak semua orang memiliki akses terhadap seprang pelatih. Oleh karena itu, penelitian ini memperkenalkan sebuah sistem wearable yang memanfaatkan sensor MPU6050 terintegrasi dengan ESP32, yang menggunakan metode Decision Tree untuk mendeteksi gerakan benar dan salah dalam latihan berdasarkan pembacaan data akselerometer dan giroskop, sehingga diharapkan sistem dapat membantu menggantikan peran seorang pelatih. Penempatan sensor pada pergelangan tangan, lengan atas, dan dada mengoptimalkan pemantauan latihan. Algoritma Decision Tree mencapai akurasi 96,3%, sedangkan sistem dalam mengidentifikasi gerakan benar dan salah dengan memiliki akurasi 85% dengan waktu komputasi Decision Tree yang diterapkan pada sistem adalah rata-rata 2ms dalam 20 kali pengujian. Hasil klasifikasi ditampilkan melalui buzzer, memberikan umpan balik suara saat gerakan dilakukan dengan benar. Sistem wearable ini, dengan keleluasaan penggunaannya, dapat digunakan di berbagai tempat, memfasilitasi individu pemula dalam mencapai tujuan latihan angkat beban untuk otot biseps.
Co-Authors Dahnial Syauqy Gembong Edhi Setyawan