<![CDATA[Perkembangan teknologi sensor wearable telah meningkatkan kebutuhan akan sistem pemantauan aktivitas fisik yang akurat dan real-time. Penelitian ini bertujuan untuk mengembangkan model regresi guna memprediksi nilai intensitas aktivitas fisik secara kontinu berdasarkan data akselerometer triaksial dengan memanfaatkan algoritma Gradient Boosting Regression (GBR). Metode yang digunakan meliputi akuisisi data, pra-pemrosesan, ekstraksi fitur multidomain (waktu dan frekuensi), serta seleksi fitur. Model dibangun dan dioptimasi menggunakan dataset awal dari dua partisipan dengan 2.524 sampel sebagai studi pendahuluan (pilot study), kemudian dievaluasi dengan metrik RMSE, MAE, dan R² serta validasi silang antar-partisipan. Penulis menyadari bahwa jumlah partisipan yang terbatas dan ketidakseimbangan distribusi data (98% vs 2%) merupakan keterbatasan utama penelitian ini, sehingga hasil yang diperoleh belum dapat digeneralisasikan secara luas.Hasil penelitian menunjukkan bahwa model GBR mampu menangkap hubungan non-linear antara fitur akselerometer dan intensitas aktivitas dengan performa yang lebih baik dibandingkan baseline seperti regresi linier. Model ini berpotensi diintegrasikan ke dalam sistem wearable untuk memberikan umpan balik intensitas aktivitas secara real-time, sehingga mendukung aplikasi kesehatan personal, rehabilitasi, dan pemantauan kebugaran. ]]>
Copyrights © 2026
