Latihan angkat beban otot bisep, khususnya gerakan standing dumbbell curl, berisiko menyebabkan cedera apabila dilakukan dengan teknik yang kurang tepat, sementara akses terhadap personal trainer sering kali terbatas. Penelitian ini mengembangkan sistem wearable yang mampu memantau dan memberikan umpan balik terhadap gerakan latihan menggunakan kombinasi Principal Component Analysis (PCA) dan Support Vector Machine (SVM). Sensor MPU6050 dipasang pada pergelangan tangan, lengan atas, dan dada untuk mengukur nilai percepatan dan sudut gerakan, yang dikirim antar mikrokontroler ESP32 menggunakan protokol ESP-NOW. PCA digunakan untuk mereduksi dimensi data sensor sebelum diklasifikasikan oleh SVM menjadi gerakan benar atau salah, dengan hasil klasifikasi disampaikan melalui buzzer. Pengujian menunjukkan bahwa penggunaan tujuh principal component menghasilkan akurasi model tertinggi sebesar 90,52%, lebih tinggi dibandingkan model SVM tanpa PCA sebesar 89,47%, dengan ukuran model gabungan yang lebih kecil yaitu 89.127 byte. Pada pengujian klasifikasi keseluruhan sistem terhadap 24 gerakan, sistem mencapai akurasi 87,5% dengan rata-rata waktu komputasi 16 milidetik. Hasil ini menunjukkan bahwa kombinasi PCA dan SVM efektif digunakan untuk mereduksi ukuran model sekaligus mempertahankan akurasi klasifikasi gerakan secara real-time pada perangkat wearable.
Copyrights © 2026