Sistem Wearable Deteksi Postur Pada Pelatihan Otot Biceps Dan Triceps Berbasis Angkat Beban Dengan Algoritma Random Forest

Alghifari, Muhammad Ghaly and Dahnial Syauqy,, S.T., M.T., M.Sc. and Rekyan Regasari Mardi Putri,, S.T., M.T. (2024) Sistem Wearable Deteksi Postur Pada Pelatihan Otot Biceps Dan Triceps Berbasis Angkat Beban Dengan Algoritma Random Forest. Sarjana thesis, Universitas Brawijaya.

Abstract

Di tengah masyarakat yang semakin memperhatikan gaya hidup sehat dan citra tubuh atletis serta ideal, latihan angkat beban, terutama dengan dumbbell, telah menjadi pilihan utama bagi pemula yang ingin mencapai tujuan kebugaran. Biasanya, pemula menggunakan teknik standing dumbbell curl dalam latihan angkat beban mereka. Namun, banyak dari mereka tidak menyadari bahwa gerakan yang mereka lakukan adalah standing dumbbell curl, dan mereka mungkin juga tidak memahami bahwa latihan ini secara khusus menargetkan otot Biceps. Ketidaktahuan ini dapat mengurangi efektivitas latihan dan, lebih buruk lagi, dapat menyebabkan cedera, sehingga peran pelatih sangat penting dalam memberikan panduan dan koreksi teknik. Namun, tidak semua orang memiliki akses ke pelatih.Penelitian ini mengembangkan sistem bantu Wearable yang bertujuan membantu individu menggantikan peran pelatih dalam latihan angkat beban menggunakan dumbbell dengan dua teknik: standing dumbbell curl untuk otot Biceps dan overhead triceps extension untuk otot Triceps. Sistem ini dirancang untuk mendeteksi gerakan yang benar atau salah selama latihan berdasarkan data akselerometer dan giroskop yang diperoleh dari sensor MPU6050 yang terintegrasi dengan ESP32 dalam rangkaian, dan diolah menggunakan algoritma Random Forest. Rangkaian ini ditempatkan di tiga posisi penting untuk kedua teknik latihan ini: pergelangan tangan, lengan atas, dan dada.Dalam penelitian ini, algoritma Random Forest berhasil mencapai akurasi sebesar 96,3%, sementara sistem secara keseluruhan mencapai akurasi 85% dari 20 kali pengujian dalam mengklasifikasikan gerakan yang benar dan salah dengan rata-rata waktu komputasi sebesar 2 ms. Hasil klasifikasi berupa identifikasi gerakan benar dan salah ditampilkan melalui buzzer: jika gerakan benar, buzzer diaktifkan; jika gerakan salah, buzzer dimatikan. Sistem bantu Wearable ini memungkinkan pengguna untuk melakukan latihan angkat beban dengan dumbbell menggunakan teknik standing dumbbell curl dan overhead triceps extension di mana saja dengan panduan yang akurat.

English Abstract

In a society increasingly focused on healthy lifestyles and an athletic, ideal body image, weightlifting, especially with dumbbells, has become a primary choice for beginners aiming to achieve personal fitness goals. Typically, beginners use the standing dumbbell curl technique in their weightlifting exercises. However, many of them are unaware that the movements they perform are indeed standing dumbbell curls, and they may also not understand that this exercise specifically targets the Biceps muscles. This lack of knowledge can reduce the effectiveness of their workouts and, worse, lead to injuries, highlighting the importance of a coach in providing guidance and technical corrections. However, not everyone has access to a coach.This research developed a Wearable assistance system aimed at helping individuals replace the role of a coach in weightlifting using dumbbells with two techniques: standing dumbbell curl for the Biceps muscles and overhead triceps extension for the Triceps muscles. The system is designed to detect correct or incorrect movements during exercises based on accelerometer and Gyroscope data obtained from the MPU6050 sensor integrated with the ESP32 in the circuit, and processed using the Random Forest algorithm. The circuit is placed in three crucial positions for these exercises: the wrist, upper arm, and chest.In this research, the Random Forest algorithm achieved an accuracy of 96.3%, while the overall system reached an accuracy of 85% from 20 tests in classifying correct and incorrect movements with an average computation time of 2 ms. The classification results, identifying correct and incorrect movements, are displayed via a buzzer: the buzzer is activated for correct movements and deactivated for incorrect movements. This Wearable assistance system allows users to perform weightlifting exercises with dumbbells using the standing dumbbell curl and overhead triceps extension techniques anywhere with accurate guidance.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	akselerometer, Random Forest, MPU6050, dumbbell, giroskop, otot Triceps, otot Biceps, sistem bantu Wearable. - accelerometer, Random Forest, dumbbell, Gyroscope, Biceps muscle, Triceps muscle, Wearable assistive device.
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Sugeng Moelyono
Date Deposited:	28 Nov 2024 04:52
Last Modified:	28 Nov 2024 04:52
URI:	http://repository.ub.ac.id/id/eprint/229280

Text (DALAM MASA EMBARGO) Muhammad Ghaly Alghifari.pdf Restricted to Registered users only Download (13MB)

Actions (login required)

View Item