Sistem Bantu Wearable Pada Training Angkat Beban Triceps Menggunakan Metode Multilayer Perceptron (MLP)

Zahra, Inez Bedwina and Dahnial Syauqy, S.T., M.T., M.Sc. and Rakhmadhany Primananda, S.T., M.Kom. (2024) Sistem Bantu Wearable Pada Training Angkat Beban Triceps Menggunakan Metode Multilayer Perceptron (MLP). Sarjana thesis, Universitas Brawijaya.

Abstract

Kesehatan merupakan salah satu cara menjaga kualitas hidup manusia yang sering dikaitkan dengan olahraga. Olahraga memiliki manfaat seperti meningkatkan daya tahan tubuh, hingga menurunkan resiko terkena penyakit. Salah satu olahraga yang dapat dilakukan adalah latihan angkat beban seperti one arm overhead tricep extension untuk melatih otot pada triceps. Latihan angkat beban tersebut perlu memperhatikan teknik yang tepat untuk menghindari risiko cedera. Cedera dapat terjadi jika latihan hanya didasarkan pada meniru orang lain tanpa pemahaman tentang teknik. Oleh karena itu, penelitian mengenai training angkat beban untuk triceps dilakukan. Pada penelitian ini, sistem bantu wearable dirancang menggunakan sensor MPU6050 yang dapat mengumpulkan data gerakan tubuh secara akurat dan real‐time. Sistem wearable yang dirancang berjumlah dua perangkat untuk diimplementasikan pada lengan bawah dan lengan atas. Masing‐masing hardware terdiri dari sensor MPU6050 dan modul ESP32. Sensor MPU6050 berkomunikasi dengan modul ESP32 menggunakan protokol I2C, sedangkan modul ESP32 berkomunikasi dengan modul ESP32 lainnya menggunakan protokol ESP‐Now. Modul ESP32 pada lengan atas diintegrasikan dengan Multilayer Perceptron (MLP) untuk melakukan klasifikasi gerakan triceps yang tepat dan tidak tepat. Ketika gerakan tepat, indikator atau output yang dihasilkan berupa bunyi dari buzzer, sedangkan ketika gerakan tidak tepat, tidak ada output yang dihasilkan. Dalam menentukan keberhasilan sistem wearable, dilakukan dua tahap pengujian untuk klasifikasi dengan metode Multilayer Perceptron (MLP) dan pengujian waktu komputasi dengan bantuan aplikasi CoolTerm. Berdasarkan evaluasi hasil pengujian, sistem menunjukkan akurasi sebesar 80%, kemudian precision, recall, dan f1‐score masing‐masing sebesar 0,8 dari 30 data uji, Evaluasi hasil pengujian berikutnya menunjukkan bahwa waktu komputasi yang digunakan berada pada rata‐rata selama 2,2 ms dari 15 data uji.

English Abstract

with exercise. Exercise has benefits such as increasing endurance and reducing the risk of disease. One exercise that can be done is weightlifting exercises such as one arm overhead triceps extensions to train the triceps muscles. Weightlifting exercises require proper technique to avoid the risk of injury. Injuries can occur if training is based solely on imitating others without an understanding of technique. For this reason, research regarding weightlifting training for the triceps was carried out. In the research, a wearable assistive system was designed using the MPU6050 sensor which can collect body movement data accurately and in realtime. The wearable hardware system designed consists of two devices to be implemented on the lower arm and upper arm. Each hardware consists of an MPU6050 sensor and an ESP32 module. The MPU6050 sensor communicates with the ESP32 module using the I2C protocol, while the ESP32 module communicates with other ESP32 modules using the ESPNow protocol. The ESP32 module on the upper arm is integrated with an Multilayer Perceptron (MLP), to classify appropriate and inappropriate triceps movements. When the movement is correct, the indicator or output produced is a sound from the buzzer, whereas when the movement is not correct, no output is produced. In determining the success of the wearable system, two stages of testing were carried out for classification using the ANN method and computing time testing with the help of the CoolTerm application. Based on the evaluation of test results, the system shows an accuracy of 80%, then precision, recall, and f1score are each 0.8 from 30 test data. Evaluation of the next test results shows that the computing time used is on average 2.2 ms from 15 test data.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150106
Uncontrolled Keywords:	wearable, triceps, Multilayer Perceptron (MLP), ESP32, MPU6050-wearable, triceps, Multilayer Perceptron (MLP), ESP32, MPU6050
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Sugeng Moelyono
Date Deposited:	22 Feb 2024 07:44
Last Modified:	22 Feb 2024 07:44
URI:	http://repository.ub.ac.id/id/eprint/215715

Text (DALAM MASA EMBARGO) Inez Bedwina Zahra.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item