Sistem Bantu Wearable pada Latihan Angkat Beban untuk Otot biseps Menggunakan Sensor MPU6050 dengan Algoritma Decision Tree

Raharja, Kahfi May and Dahnial Syauqy, S.T., M.T., M.Sc. and Dr.Eng. Gembong Edhi Setyawan, S.T., M.T. (2024) Sistem Bantu Wearable pada Latihan Angkat Beban untuk Otot biseps Menggunakan Sensor MPU6050 dengan Algoritma Decision Tree. Sarjana thesis, Universitas Brawijaya.

Abstract

Di tengah masyarakat yang semakin memperhatikan gaya hidup sehat dan citra tubuh atletis serta ideal, latihan angkat beban, utamanya menggunakan dumbbell, telah menjadi pilihan utama bagi individu pemula yang ingin mencapai tujuan kebugaran pribadi. Individu pemula dalam melakukan latihan angkat beban menggunakan dumbbell biasanya mengadopsi teknik standing dumbbell curl. Namun, seringkali inividu pemula yang berlatih tidak menyadari bahwa gerakan yang mereka lakukan adalah teknik standing dumbbell curl, dan terlebih lagi, mereka mungkin tidak memiliki pemahaman bahwa latihan tersebut secara khusus ditujukan untuk melatih otot biseps. Hal tersebut dapat mengurangi efektivitas laihan dan lebih buruknya lagi dapat menyebabkan cedera sehingga peran seorang pelatih menjadi penting dalam memberikan panduan dan koreksi teknis. Akan tetapi, tidak semua orang memiliki akses kepada pelatih. Oleh karena itu, pada penelitian ini, dibuat sistem bantu wearable yang diharapkan dapat membantu individu dalam menggantikan peran seorang pelatih pada latihan angkat beban menggunakan dumbbell dengan teknik standing dumbbell curl. Sistem memiliki tujuan untuk dapat mendeteksi gerakan benar atau salah selama latihan berdasarkan fitur pada nilai akselerometer dan giroskop melalui pembacaan data dari sensor MPU6050 yang terintegrasi dengan ESP32 dalam rangkaian dan mengolahnya menggunakan metode Decision Tree. Penempatan rangkaian diletakkan pada tiga posisi penting terhadap latihan dengan teknik standing dumbbell curl, yaitu pergelangan tangan, lengan atas, dan dada. Dalam penelitian ini, algoritma Decision Tree berhasil mencapai tingkat akurasi sebesar 96,4%. Saat pengujian sistem, akurasi yang diperoleh adalah 85% dari 20 kali pengujian yang dilakukan. Selain itu, rata-rata waktu komputasi metode Decision Tree yang dibutuhkan adalah sekitar 2ms. Hasil klasifikasi berupa identifikasi gerakan benar dan salah juga berhasil ditampilkan melalui buzzer dalam bentuk suara, jika gerakan benar, mengaktikan buzzer, jika gerakan salah, mematikan buzzer. Sistem bantu wearable ini memungkinkan pengguna dengan mudah berlatih angkat beban menggunakan dumbbell dengan teknik standing dumbbell curl di mana saja.

English Abstract

In a society that is increasingly paying attention to a healthy lifestyle and an athletic and ideal body image, weight lifting exercises, mainly using dumbbells, have become the first choice for novice individuals who want to achieve personal fitness goals. Novice individuals in performing weight lifting exercises using dumbbells usually adopt the standing dumbbell curl technique. However, often these novice trainees do not realize that the movement they are performing is a standing dumbbell curl technique, and moreover, they may not have an understanding that the exercise is specifically aimed at working the biceps muscles. This can reduce the effectiveness of the exercise and even worse, lead to injury, which is why the role of a coach is important in providing technical guidance and correction. However, not everyone has access to a trainer. Therefore, in this research, a wearable assistive system is made that is expected to help individuals in replacing the role of a trainer in weight lifting exercises using dumbbells with the standing dumbbell curl technique. The system aims to be able to detect correct or incorrect movements during exercise based on features in accelerometer and gyroscope values through reading data from the MPU6050 sensor integrated with ESP32 in the circuit and processing it using the Decision Tree method. The circuit placement is placed in three important positions for training with the standing dumbbell curl technique, namely the wrist, upper arm, and chest. In this study, the Decision Tree algorithm successfully achieved an accuracy rate of 96.4%. When testing the system, the accuracy obtained was 85% of the 20 tests performed. In addition, the average computation time of the Decision Tree method required is about 2ms. The classification results in the form of identification of correct and incorrect movements are also successfully displayed through the buzzer in the form of sound, if the movement is correct, activate the buzzer, if the movement is wrong, turn off the buzzer. This wearable assistive system allows users to easily practice weight lifting using dumbbells with the standing dumbbell curl technique anywhere.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150113
Uncontrolled Keywords:	akselerometer, decision tree, dumbbell, giroskop, otot biseps, sistem bantu wearable.accelerometer, decision tree, dumbbell, gyroscope, biceps muscle, wearable assistive device.
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Sugeng Moelyono
Date Deposited:	22 Feb 2024 07:45
Last Modified:	22 Feb 2024 07:45
URI:	http://repository.ub.ac.id/id/eprint/215730

Text (DALAM MASA EMBARGO) Kahfi May Raharja .pdf Restricted to Registered users only Download (5MB)

Actions (login required)

View Item