<![CDATA[Latihan angkat beban, termasuk concentration curls yang berfokus pada otot bisep, merupakan aktivitas olahraga yang efektif untuk meningkatkan kekuatan otot. Namun, kesalahan teknik gerakan masih sering terjadi terutama tanpa pendampingan personal trainer, sehingga dapat menurunkan efektivitas latihan. Penelitian ini mengembangkan sistem wearable berbasis tiga perangkat mikrokontroler ESP32-C3 dan sensor MPU6050 yang ditempatkan pada pergelangan tangan, lengan atas, dan punggung untuk menganalisis ketepatan gerakan concentration curls secara real-time menggunakan metode Random Forest. Data gerakan dikirim menggunakan protokol komunikasi ESP-NOW, diolah melalui ekstraksi fitur statistik, kemudian diklasifikasikan menjadi dua kelas, yaitu gerakan benar dan gerakan salah, dengan hasil klasifikasi disampaikan kepada pengguna melalui buzzer sebagai umpan balik langsung. Hasil pengujian menunjukkan model Random Forest memiliki performa klasifikasi yang baik dengan rata-rata akurasi validasi silang sebesar 99,50%. Pengujian terhadap keseluruhan sistem yang melibatkan enam partisipan dengan total 240 data menunjukkan akurasi sebesar 95,42%, dengan 229 data berhasil diklasifikasikan secara benar. Mekanisme umpan balik buzzer terbukti bekerja sesuai dengan hasil klasifikasi yang dihasilkan sistem. Berdasarkan hasil tersebut, sistem wearable yang dikembangkan mampu melakukan klasifikasi gerakan concentration curls secara akurat serta memberikan umpan balik real-time, sehingga berpotensi membantu pengguna melakukan latihan dengan teknik yang lebih tepat.]]>
Copyrights © 2026
