<![CDATA[Latihan side lunge merupakan salah satu bentuk olahraga yang efektif untuk melatih otot kaki, terutama otot paha dan lutut. Namun, kesalahan postur selama melakukan latihan ini dapat meningkatkan risiko cedera, khususnya pada ligamen lutut dan punggung bawah. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan sistem wearable yang mampu mendeteksi postur side lunge secara real-time menggunakan sensor MPU6050 dan algoritma Support vector machine (SVM). Sistem ini dirancang agar pengguna dapat memperoleh umpan balik langsung melalui buzzer, guna membantu memperbaiki postur latihan secara mandiri tanpa pengawasan pelatih. Sistem terdiri dari dua node: satu dipasang pada punggung dan satu lagi pada lutut. Data sensor dari kedua node digabungkan dan diproses menggunakan mikrokontroler ESP32. Model klasifikasi dilatih dengan algoritma SVM berbasis dataset tiga kelas, yaitu "benar", "salah", dan "idle". Hasil klasifikasi kemudian digunakan untuk mengaktifkan buzzer sesuai dengan kategori postur. Hasil pengujian menunjukkan bahwa model SVM yang diterapkan ini mampu mencapai akurasi klasifikasi hingga 100% pada mode kanan dan 100% pada mode kiri, sedangkan implementasi sistem memberikan presentase akurasi ssitem untuk mode kanan mencapai 100% dan mode kiri mencapai 91,67%. Selain itu, waktu komputasi sistem sebesar 3238 mikrodetik untuk mode kanan dan 3436 mikrodetik untuk mode kiri, menunjukkan bahwa sistem mampu memberikan respons secara cepat. Temuan ini membuktikan bahwa sistem yang dikembangkan tidak hanya akurat, tetapi juga responsif dan dapat digunakan secara praktis dalam latihan fisik harian untuk mencegah cedera akibat kesalahan postur.]]>
Copyrights © 2025
