Akbar, Muhammad Faithur Adel Patria and Dahnial Syauqy, S.T., M.T., M.Sc. and Rekyan Regasari Mardi Putri, S.T., M.T. (2024) Sistem Bantu Wearable Pada Training Angkat Beban Untuk Biceps Dengan Algoritma Jaringan Saraf Tiruan. Sarjana thesis, Universitas Brawijaya.
Abstract
Latihan angkat beban untuk melatih otot biceps memerlukan pemahaman teknik yang benar agar terhindar dari adanya cedera dan memastikan hasil yang dilatih pada otot biceps maksimal. Penelitian ini fokus pada pengembangan sistem bantu wearable untuk mengatasi beberapa tantangan dalam latihan angkat beban otot biceps, terutama pada gerakan standing dumbbell curl. Tantangan tersebut tidak memiliki kemampuan atau akses untuk menggunakan jasa personal trainer secara konsisten. Nilai accelerometer dan gyroscope yang diperoleh dari sensor MPU6050 dijadikan parameter untuk mengetahui gerakan benar dan salah. Nilai parameter tersebut akan diproses menggunakan metode Jaringan Saraf Tiruan dalam mikrokontroler ESP32. Algoritma Jaringan Saraf tiruan dipilih karena memiliki kemampuan merepresentasikan cara kerja layaknya otak manusia dan tingkat keakuratan yang tinggi. Hasil klasifikasi Jaringan Saraf Tiruan akan diinformasikan kepada pengguna melalui buzzer. Jika gerakan benar, buzzer akan berbunyi. Sebaliknya, jika gerakan salah buzzer tidak berbunyi. Dari 20 kali pengujian dengan partisipan yang memiliki ragam jenis tubuh, didapatkan akurasi model Jaringan Saraf Tiruan yang telah dilatih pada dataset mencapai 96.4%. Selain itu, tingkat akurasi model Jaringan Saraf Tiruan yang diimplementasikan dalam sistem bantu wearable juga mencapai hasil yang sangat baik, yaitu mencapai 100%. Pengujian waktu komputasi sistem dalam mengklasifikasikan gerakan benar dan salah pada gerakan standing dumbbell curl, didapatkan rata-rata waktu sebesar 2 milidetik. Hasil penelitian menunjukkan bahwa algoritma Jaringan Saraf Tiruan mampu mengklasifikasikan gerakan benar dan salah secara akurat dan memenuhi kriteria waktu yang dapat diterima untuk aplikasi klasifikasi dengan umpan balik secara real-time.
English Abstract
Weight lifting exercises to train the biceps muscles require understanding the correct technique to avoid injury and ensure maximum results in the biceps muscles. This research focuses on developing a wearable assistive system to overcome some challenges in biceps weightlifting training, especially in the standing dumbbell curl movement. These challenges include needing the ability or access to use the services of a personal trainer consistently. The accelerometer and gyroscope values obtained from the MPU6050 sensor are used as parameters to determine correct and incorrect movements. The parameter values will be processed using the Artificial Neural Network method in the ESP32 microcontroller. The Artificial Neural Network algorithm was chosen because it can represent the workings of the human brain with high accuracy. Buzzer will inform the user of the classification results of the Artificial Neural Network. If the movement is correct, the buzzer will sound. Conversely, if the movement is wrong, the buzzer will not sound. From 20 tests with participants of various body types, the artificial neural network model's accuracy on the dataset reached 96.4%. In addition, the accuracy of the Artificial Neural Network model implemented in the wearable assistive system also achieved excellent results, reaching 100%. Testing the computation time of the system in classifying correct and incorrect movements in standing dumbbell curl movements obtained an average time of 2 milliseconds. The results show that the Artificial Neural Network algorithm can accurately organize correct and incorrect activities and meet acceptable time criteria for classification applications with real-time feedback.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0524150180 |
| Uncontrolled Keywords: | biceps, standing dumbbell curl, wearable, MPU6050, ESP32, buzzer, Jaringan Saraf Tiruan-biceps, standing dumbbell curl, wearable, MPU6050, ESP32, buzzer, Artificial Neural Network |
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer |
| Depositing User: | Sugeng Moelyono |
| Date Deposited: | 28 Feb 2024 08:10 |
| Last Modified: | 28 Feb 2024 08:10 |
| URI: | http://repository.ub.ac.id/id/eprint/216079 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Muhammad Faithur Adel Patria Akbar.pdf Restricted to Registered users only Download (5MB) |
Actions (login required)
 |
View Item |