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
Bima Muridianto, Muhammad
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 Gerakan Latihan Parallel Bar Dips Menggunakan Algoritma Random Forest Berbasis Sensor MPU6050 Bima Muridianto, Muhammad; Syauqy, Dahnial; Shaffan, Nur Hazbiy
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 parallel bar dips merupakan salah satu latihan tubuh bagia atas yang efektif, tetapi berisiko tinggi apabila postur gerakan tidak dilakukan dengan tepat. Penelitian ini bertujuan mengembangkan sistem wearable berbasis sensor MPU6050 dan algoritma Random Forest untuk mendeteksi kesalahan postur gerakan parallel bar dips secara real-time. Sistem terdiri dari tiga node sensor yang dipasang pada lengan, dada, dan paha, serta terhubung menggunakan protokol ESP-NOW. Data sensor dikumpulkan, dihitung fitur rata-ratanya, dan diklasifikasikan langsung di mikrokontroler ESP32 pada bagian dada. Hasil klasifikasi ditindaklanjuti dengan umpan balik suara menggunakan buzzer. Pengujian dilakukan menggunakan dataset sebanyak 100 sampelyang telah divalidasi oleh instruktur. Model Random Forest menunjukkan akurasi 85% berdasarkan confusion matrix dan rata-rata akurasi 91% darimetode cross-validation 5-fold. Saat diimplementasikan pada perangkat wearable, sistem mencapai akurasi klasifikasi 90%. Selain itu, waktu komputasi rata-rata yang dicapai sebesar 0.387 milidetik menunjukkan efisiensi tinggi dan respons cepat terhadap perubahan postur pengguna. Hasil ini menunjukkan bahwa sistem wearable yang dikembangkan mampu memberikan deteksi postur yang akurat, cepat, dan cocok untuk mendukung latihan mandiri yang aman dan efektif.
Co-Authors Dahnial Syauqy Shaffan, Nur Hazbiy