<![CDATA[Penelitian ini mengatasi tantangan dalam mempertahankan postur aerodinamis optimal saat bersepeda, khususnya pada posisi drop bar. Postur yang tidak tepat dapat mengurangi efisiensi latihan dan kinerja aerodinamis pesepeda. Oleh karena itu, penelitian ini mengembangkan sistem wearable menggunakan sensor MPU6050 dan algoritma Random Forest untuk memantau dan mengklasifikasikan postur pesepeda. Sistem ini dirancang untuk memberikan umpan balik mengenai posisi tubuh yang sesuai dengan aerodinamis, terutama untuk pesepeda yang menggunakan posisi tangan di drop bar. Data dikumpulkan menggunakan sensor MPU6050, diproses oleh ESP32, dan dianalisis dengan algoritma Random Forest. Sistem memberikan umpan balik visual berupa LED yang akan menyala jika posisi aerodinamis optimal, atau mati ketika posisi tubuh tidak optimal. Evaluasi dilakukan untuk mengukur akurasi sistem dalam mendeteksi posisi optimal dan tidak optimal. Fungsionalitas sistem diuji secara menyeluruh, termasuk ESP32 sebagai transmitter untuk membaca data sensor dan mengirimkannya kepada ESP32 receiver. Hasil pengujian menunjukkan bahwa model klasifikasi Random Forest mencapai akurasi 98,3%, yang menandakan kemampuan algoritma dalam membedakan posisi tubuh yang optimal dan tidak optimal. Sementara itu, sistem wearable memperoleh akurasi 87,5% dalam mendeteksi posisi optimal dan tidak optimal selama pengujian sebanyak 16 kali. Waktu komputasi rata-rata untuk proses klasifikasi adalah 0,368 ms yang menunjukkan kecepatan dan efisiensi sistem.]]>
Copyrights © 2025
