Arini, Talitha Dwi and Dahnial Syauqy, S.T., M.T., M.Sc. and Wijaya Kurniawan, S.T., M.T. (2025) Sistem Wearable Untuk Deteksi Postur Lockout Dalam Mixed-Grip Deadlift Menggunakan Metode Random Forest Berbasis Data MPU6050. Sarjana thesis, Universitas Brawijaya.
Abstract
Olahraga memiliki banyak manfaat bagi tubuh manusia, namun jika tidak dilakukan dengan teknik yang benar, dapat menyebabkan cedera. Salah satu olahraga yang memiliki manfaat besar namun berisiko jika dilakukan dengan teknik yang salah adalah deadlift. Risiko ini semakin besar bagi pemula yang tidak memahami postur tubuh yang benar, terutama dalam fase lockout ketika melakukan mixed-grip deadlift. Dalam hal ini, penelitian berfokus pada pengembangan sistem untuk mendeteksi kesalahan postur tubuh selama latihan mixed-grip deadlift terutama fase lockout, yang bertujuan untuk mencegah cedera. Penelitian ini menggunakan sensor MPU6050 untuk menangkap nilai gerakan tubuh yang kemudian diproses menggunakan algoritma random forest untuk melakukan klasifikasi gerakan benar dan salah. Pada penelitian ini juga menggunakan mikrokontroler ESP32 untuk mengolah data dan komunikasi nirkabel. Dari hasil pengujian yang dilakukan, sistem mampu mencapai akurasi hingga 83% dengan total 24 sampel pengujian. Keberhasilan sistem juga dinilai dari performanya, yang mencakup rata-rata waktu komputasi model sebesar 395,8 μs, akurasi pembacaan sensor mencapai 80%, serta kemampuan sistem untuk melakukan komunikasi data dengan baik. Sistem ini diharapkan dapat membantu pemula melakukan deadlift secara aman dan efektif.
English Abstract
Exercise offers numerous benefits for the human body. However, if not performed with the correct technique, it can lead to injuries. One such exercise that provides significant benefits but poses risks when performed with improper technique is deadlift. This risk is heightened for beginners who do not understand the proper body posture, particularly during the lockout phase of a mixed-grip deadlift. In this context, the research focuses on developing a system to detect posture errors during mixed-grip deadlift exercises, specifically in the lockout phase, aiming to prevent injuries. The study utilizes the MPU6050 sensor to capture body movement data, which is then processed using a random forest algorithm to classify movements as correct or incorrect. The research also employs the ESP32 microcontroller for data processing and wireless communication. The testing results show that the system can achieve an accuracy of up to 83% with a total of 24 test samples. The system's success is further evaluated based on its performance, which includes an average model computation time of 395.8 μs, sensor reading accuracy of 80%, and effective data communication capabilities. This system is expected to assist beginners in performing deadlifts safely and effectively.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052515 |
| Uncontrolled Keywords: | Mixed-Grip Deadlift, Lockout, Sistem Wearable, ESP32, MPU6050, Random Forest, Olahraga |
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer |
| Depositing User: | S Sucipto |
| Date Deposited: | 12 Feb 2025 03:28 |
| Last Modified: | 12 Feb 2025 03:28 |
| URI: | http://repository.ub.ac.id/id/eprint/236469 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Talitha Dwi Arini.pdf Restricted to Registered users only Download (2MB) |
Actions (login required)
 |
View Item |