Claim Missing Document
Check
Articles

Found 1 Documents
Search

Sistem Wearable Deteksi Postur Pada Pelatihan Otot Biceps Dan Triceps Berbasis Angkat Beban Dengan Algoritma Random Forest Alghifari, Muhammad Ghaly
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

Di tengah masyarakat yang semakin memperhatikan gaya hidup sehat dan citra tubuh atletis serta ideal, latihan angkat beban, terutama dengan dumbbell, telah menjadi pilihan utama bagi pemula yang ingin mencapai tujuan kebugaran. Biasanya, pemula menggunakan teknik standing dumbbell curl dalam latihan angkat beban mereka. Namun, banyak dari mereka tidak menyadari bahwa gerakan yang mereka lakukan adalah standing dumbbell curl, dan mereka mungkin juga tidak memahami bahwa latihan ini secara khusus menargetkan otot Biceps. Ketidaktahuan ini dapat mengurangi efektivitas latihan dan, lebih buruk lagi, dapat menyebabkan cedera, sehingga peran pelatih sangat penting dalam memberikan panduan dan koreksi teknik. Namun, tidak semua orang memiliki akses ke pelatih.Penelitian ini mengembangkan sistem bantu Wearable yang bertujuan membantu individu menggantikan peran pelatih dalam latihan angkat beban menggunakan dumbbell dengan dua teknik: standing dumbbell curl untuk otot Biceps dan overhead triceps extension untuk otot Triceps. Sistem ini dirancang untuk mendeteksi gerakan yang benar atau salah selama latihan berdasarkan data akselerometer dan giroskop yang diperoleh dari sensor MPU6050 yang terintegrasi dengan ESP32 dalam rangkaian, dan diolah menggunakan algoritma Random Forest. Rangkaian ini ditempatkan di tiga posisi penting untuk kedua teknik latihan ini: pergelangan tangan, lengan atas, dan dada.Dalam penelitian ini, algoritma Random Forest berhasil mencapai akurasi sebesar 96,3%, sementara sistem secara keseluruhan mencapai akurasi 85% dari 20 kali pengujian dalam mengklasifikasikan gerakan yang benar dan salah dengan rata-rata waktu komputasi sebesar 2 ms. Hasil klasifikasi berupa identifikasi gerakan benar dan salah ditampilkan melalui buzzer: jika gerakan benar, buzzer diaktifkan; jika gerakan salah, buzzer dimatikan. Sistem bantu Wearable ini memungkinkan pengguna untuk melakukan latihan angkat beban dengan dumbbell menggunakan teknik standing dumbbell curl dan overhead triceps extension di mana saja dengan panduan yang akurat.   Kata kunci: akselerometer, Random Forest, MPU6050, dumbbell, giroskop, otot Triceps, otot Biceps, sistem bantu Wearable.