Sistem Bantu Wearable Pada Latihan Angkat Beban Untuk Otot Biseps Menggunakan Sensor MPU6050 Dengan Metode Random Forest

Muzayyin, Asep and Dahnial Syauqy, S.T., M.T., M.Sc. and Rekyan Regasari Mardi Putri, S.T., M.T. (2024) Sistem Bantu Wearable Pada Latihan Angkat Beban Untuk Otot Biseps Menggunakan Sensor MPU6050 Dengan Metode Random Forest. Sarjana thesis, Universitas Brawijaya.

Abstract

Gerakan angkat beban yang dilakukan untuk melatih otot biseps memerlukan teknik yang tepat dan kualitas latihan yang baik agar terhindar dari risiko terjadinya cedera. Penelitian ini membahas sistem bantu wearable untuk mengatasi sejumlah tantangan dalam latihan angkat beban untuk otot biseps, khususnya pada gerakan standing dumbbell curl, yang mencakup keterbatasan umpan balik langsung dan akses terbatas terhadap bimbingan instruktur. Parameter yang digunakan untuk mengetahui gerakan benar dan salah adalah nilai sudut dan akselerasi yang didapat dari sensor MPU6050 yang ditempatkan pada pergelangan tangan, lengan atas dan dada. Nilai parameter tersebut akan diolah menggunakan metode Random Forest dalam mikrokontroler ESP32. Random Forest dipilih karena memiliki tingkat keakuratan dan konsistensi yang tinggi serta tahan terhadap overfitting. Hasil klasifikasi Random Forest akan diberikan kepada pengguna melalui suara buzzer, jika gerakan benar buzzer akan berbunyi dan jika gerakan salah buzzer tidak berbunyi. Dari 20 kali pengujian dengan subjek yang memiliki variasi spesifikasi tubuh beragam, didapatkan akurasi model Random Forest yang dilatih pada dataset mencapai 96.4%. Sementara, tingkat akurasi model Random Forest yang diimplementasikan dalam sistem bantu wearable juga menunjukkan hasil yang sangat baik, yaitu mencapai 95%. Rata-rata waktu komputasi sistem dalam mengklasifikasikan gerakan benar dan salah pada gerakan standing dumbbell curl adalah 3.25 milidetik. Hasil menunjukkan bahwa algoritma Random Forest mampu dengan akurat mengklasifikasikan gerakan benar dan salah pada gerakan standing dumbbell curl, serta memenuhi kriteria waktu yang dapat diterima untuk aplikasi klasifikasi pemberian umpan balik secara real-time.

English Abstract

Weightlifting movements performed to train the biceps muscle require proper technique and quality training to avoid the risk of injury. This research discusses a wearable assistive system to address some of the challenges in weightlifting training for the biceps muscle, specifically in the standing dumbbell curl movement, which include limited immediate feedback and limited access to instructor guidance. The parameters used to determine correct and incorrect movements are angle and acceleration values obtained from MPU6050 sensors placed on the wrist, upper arm and chest. The parameter values will be processed using the Random Forest method in the ESP32 microcontroller. Random Forest was chosen because it has a high level of accuracy and consistency and is resistant to overfitting. The results of the Random Forest classification will be given to the user through a buzzer sound, if the movement is correct the buzzer will sound and if the movement is wrong the buzzer does not sound. From 20 tests with subjects who have various body specifications, the accuracy of the Random Forest model trained on the dataset reached 96.4%. Meanwhile, the accuracy of the Random Forest model implemented in the wearable assistive system also showed very good results, reaching 95%. The average computation time of the system in classifying correct and incorrect movements in standing dumbbell curl movements is 3.25 milliseconds. The results show that the Random Forest algorithm is able to accurately classify correct and incorrect movements in standing dumbbell curl movements, as well as meet acceptable time criteria for real-time feedback classification applications.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150038
Uncontrolled Keywords:	wearable, MPU6050, biseps, standing dumbbell curl, Random Forest
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	16 Feb 2024 06:28
Last Modified:	16 Feb 2024 06:28
URI:	http://repository.ub.ac.id/id/eprint/215333

Text (DALAM MASA EMBARGO) Asep Muzayyin.pdf Restricted to Registered users only Download (6MB)

Actions (login required)

View Item