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
Safirurrasul Santoso, Mush'ab
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 Wearable untuk Deteksi Postur Pada Latihan Upright Row Menggunakan Sensor IMU MPU6050 dan Algoritma Random Forest Safirurrasul Santoso, Mush'ab; Syauqy, Dahnial; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 11 (2025): November 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Latihan upright row merupakan gerakan latihan kekuatan yang bertujuan untuk melatih otot bahu, terutama otot deltoid. Namun, apabila gerakan dilakukan dengan postur yang salah, risiko cedera pada bahu dan punggung atas dapat meningkat. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem wearable yang mampu mendeteksi postur gerakan upright row secara real-time dengan memanfaatkan sensor IMU MPU6050 dan algoritma klasifikasi Random Forest. Sistem dirancang untuk memberikan umpan balik secara langsung melalui buzzer guna membantu pengguna memperbaiki postur latihan tanpa perlu pendampingan pelatih secara langsung. Sistem terdiri dari dua node sensor yang dipasang pada lengan atas dan lengan bawah. Data akselerometer dan giroskop dari kedua node dikirim secara nirkabel menggunakan protokol ESP-NOW, kemudian diklasifikasikan oleh mikrokontroler ESP32 menggunakan model Random Forest. Model klasifikasi dilatih berdasarkan dua kelas, yaitu "benar" dan "salah", menggunakan dataset yang dikumpulkan dari enam partisipan. Hasil klasifikasi digunakan untuk mengaktifkan buzzer sebagai bentuk umpan balik. Hasil pengujian menunjukkan bahwa model Random Forest mencapai akurasi klasifikasi hingga 99%, dan akurasi keseluruhan sistem berdasarkan 24 pengujian mencapai 95,83%. Rata-rata waktu komputasi sistem adalah 206,88 mikrodetik, yang menunjukkan sistem mampu memberikan respons cepat. Hasil ini membuktikan bahwa sistem wearable yang dikembangkan memiliki potensi untuk digunakan sebagai alat bantu latihan yang akurat dan efisien.
Co-Authors Dahnial Syauqy Wijaya Kurniawan