<![CDATA[Gerakan angkat beban yang dilakukan untuk melatih otot biseps memerlukan teknik yang tepat dan kualitas latihan yang baik agar terhindar dari risiko terjadinya cedera. Penelitian ini membahas sistem bantu wearable untuk mengatasi sejumlah tantangan dalam latihan angkat beban untuk otot biseps, khususnya pada gerakan standing dumbbell curl, yang mencakup keterbatasan umpan balik langsung dan akses terbatas terhadap bimbingan instruktur. Parameter yang digunakan untuk mengetahui gerakan benar dan salah adalah nilai sudut dan akselerasi yang didapat dari sensor MPU6050 yang ditempatkan pada pergelangan tangan, lengan atas dan dada. Nilai parameter tersebut akan diolah menggunakan metode Random Forest dalam mikrokontroler ESP32. Random Forest dipilih karena memiliki tingkat keakuratan dan konsistensi yang tinggi serta tahan terhadap overfitting. Hasil klasifikasi Random Forest akan diberikan kepada pengguna berupa umpan balik melalui suara buzzer. Dari 20 kali pengujian dengan subjek yang memiliki variasi spesifikasi tubuh beragam, didapatkan akurasi model Random Forest yang dilatih pada dataset mencapai 96.4%. Sementara, tingkat akurasi model Random Forest yang diimplementasikan dalam sistem bantu wearable juga menunjukkan hasil yang sangat baik, yaitu mencapai 95%. Rata-rata waktu komputasi sistem dalam mengklasifikasikan gerakan benar dan salah pada gerakan standing dumbbell curl adalah 3.25 milidetik.]]>
Copyrights © 2024
