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
Widasari, Edita
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
Journal : Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

 1 
Implementasi Wearable Device Untuk Sistem Pendeteksi Kelelahan Otot Biceps Menggunakan Metode Support Vector Machine Dasamuka, Tetron; Widasari, Edita
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kelelahan adalah gejala umum yang dialami oleh banyak orang dan berhubungan dengan banyak kondisi kesehatan. Ini adalah kondisi dimana seseorang mengalami perasaan lemah, kekurangan energi yang signifikan dan merasa sulit untuk melakukan aktivitas sehari-hari. Kelelahan otot adalah penurunan kekuatan maksimal atau produksi tenaga karena aktivitas kontraktil, dan dapat disebabkan oleh berbagai gangguan neurologis, otot, kardiovaskular, penuaan, dan kelemahan. Tujuan dari penelitian ini adalah mengevaluasi tingkat akurasi pembacaan Myoware Muscle Sensor dalam membaca aktivitas otot untuk mendeteksi kelelahan otot. Evaluasi akurasi sensor dibutuhkan karena hasil pembacaan sensor akan langsung mempengaruhi validitas temuan serta efektivitas keseluruhan sistem yang digunakan pada penelitian ini. Hasil penelitian menunjukkan Myoware Muscle Sensor mampu membaca aktivitas otot biceps dengan baik sebesar 100%, mengandalkan elektromyografi (EMG) untuk mendeteksi sinyal listrik yang dihasilkan oleh kontraksi otot. Penggunaan algoritma Support Vector Machine (SVM) dengan fitur Root Mean Square (RMS) dalam sistem pendeteksi kelelahan otot biceps menunjukkan tingkat akurasi yang tinggi sebesar 84%. Waktu komputasi mikrokontroler dalam mengolah data EMG dan menjalankan algoritma SVM cukup efisien untuk kebutuhan real-time dengan rata-rata 650ms. Sistem keseluruhan yang dirancang untuk mendeteksi kelelahan otot, mulai dari sensor input, pemrosesan sinyal, hingga output hasil klasifikasi, 100% bekerja dengan baik dan sesuai harapan.
Co-Authors Dasamuka, Tetron