<![CDATA[Olahraga memiliki peran yang sangat penting dalam menjaga kesehatan fisik dan mental. Untuk mendapatkan manfaat maksimal, banyak orang beralih ke latihan beban guna membentuk otot dan meningkatkan kekuatan fisik. Latihan otot deltoid menjadi salah satu pilihan favorit dalam membentuk visual badan yang lebar dan atletis. Salah satu latihan yang sering dilakukan adalah lateral raise. Namun, banyak orang melakukan gerakan ini tanpa pemahaman yang memadai. Kesalahan dalam teknik, postur tubuh yang salah, penggunaan beban yang tidak sesuai, atau keterbatasan akses terhadap pelatih dapat meningkatkan risiko cedera dan hasil yang tidak optimal. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem wearable guna mendeteksi kesalahan teknik gerakan lateral raise secara langsung. Sistem ini terdiri dari modul sensor MPU6050 yang dilengkapi akselerometer dan giroskop untuk mengukur gerakan tubuh, mikrokontroler ESP32 sebagai pemroses data, dan algoritma Random Forest untuk mengklasifikasikan gerakan menjadi benar atau salah. Data sensor dikirim menggunakan protokol komunikasi ESP-NOW dan hasil klasifikasi dikeluarkan melalui buzzer sebagai umpan balik suara kepada pengguna. Hasil penelitian menunjukkan bahwa sistem mampu mencapai akurasi klasifikasi algoritma Random Forest sebesar 95,8%, sedangkan pada pengujian keseluruhan sistem mendapatkan akurasi sebesar 87,5% terhadap 24 kali pengujian yang dilakukan dalam melakukan klasifikasi gerakan benar dan salah dengan waktu komputasi rata-rata 453,08 mikrodetik. Umpan balik suara dengan buzzer yang diberikan sistem membantu pengguna memperbaiki teknik latihan dan mengurangi risiko cedera. Dengan demikian, sistem wearable ini menawarkan solusi yang efektif dan praktis bagi individu yang melakukan latihan lateral raise secara mandiri.]]>
Copyrights © 2025
