Pengembangan Sistem Wearable Untuk Deteksi Postur Duduk Miring Berbasis Data Sensor Mpu6050 Dan Metode Support Vector Machine

Nadhifa, Nadaa Shafa and Dahnial Syauqy, S.T., M.T., M.Sc and Edita Rosana Widasari, S.T., M.T., M.Eng, Ph.D. (2024) Pengembangan Sistem Wearable Untuk Deteksi Postur Duduk Miring Berbasis Data Sensor Mpu6050 Dan Metode Support Vector Machine. Sarjana thesis, Universitas Brawijaya.

Abstract

Posisi duduk merupakan salah satu posisi tubuh yang paling sering dilakukan oleh manusia dalam kehidupan sehari-hari. Postur dalam posisi duduk ini dapat memiliki pengaruh besar terhadap kesehatan, terutama jika tidak dilakukan dengan benar. Inilah mengapa penting bagi individu untuk memiliki pemahaman terkait dengan postur duduk yang benar saat beraktivitas. Pemahaman ini dapat diperoleh melalui pengembangan sistem wearable yang dirancang untuk mengklasifikasikan postur duduk. Untuk membuat sistem deteksi yang menyeluruh, sistem dirancang untuk mendeteksi postur duduk yang terlalu miring ke kanan maupun ke kiri, karena umumnya postur duduk yang tidak benar hanya dikaitkan pada posisi duduk membungkuk. Sistem ini dirancang untuk mendeteksi postur duduk manusia dan mengklasifikasikannya menjadi tiga kelas, yaitu “Tegak”, “Membungkuk”, dan “Miring”. Klasifikasi ini didasari oleh data mean dan standar deviasi dari nilai akselerometer dan giroskop yang diperoleh dari sensor MPU6050 yang terintegrasi dengan ESP32 dan diolah menggunakan algoritma Support Vector Machine. Rangkaian ini diaplikasikan pada rompi sehingga dapat digunakan saat melakukan aktivitas dengan postur duduk. Dalam penelitian ini, algoritma Support Vector Machine menghasilkan akurasi 100% pada model dan 91.6% pada keseluruhan sistem. Hasil klasifikasi berupa identifikasi postur duduk yang ergonomis dan non-ergonomis (membungkuk dan miring) yang ditandai dengan buzzer. Apabila buzzer aktif, maka postur duduk telah memasuki postur duduk non-ergonomis dan telah melebihi waktu trigger yang ditetapkan yaitu 10 detik, yang direkomendasikan sebagai waktu ideal notifikasi pengingat untuk pengguna. Sistem wearable yang dikembangkan ini dapat membantu pengguna dalam membiasakan postur duduk yang benar dalam kehidupan sehari-hari sehingga dapat mengurangi risiko kesehatan yang berhubungan dengan otot dan tulang belakang, dengan klasifikasi yang akurat serta sistem yang mudah dig

English Abstract

Sitting position is one of the most common positions humans do in their daily lives. Postures on this position can be significantly impactful on health, especially if not performed correctly. This is why it is important for individuals to have an understanding about the correct sitting posture during activities. Such understanding can be achieved through the development of a wearable system designed to classify sitting postures. To develop a comprehensive detection system, the system is designed to identify sitting postures that lean excessively to the right or left, as improper sitting posture is generally associated only with slouching. This system is intended to detect human sitting postures and classify them into three categories, which are "Upright," "Slouching," and "Leaning." This classification is based on the mean and standard deviation data from an accelerometer and gyroscope obtained from MPU6050 that is integrated with ESP32 and processed using the Support Vector Machine algorithm. This system is implemented on a vest, allowing it to be used during activities that involve sitting posture. In this research, the Support Vector Machine method achieves 100% accuracy on the model and 91.6% on the entire system. The classification results identify ergonomic and non-ergonomic (slouching and leaning) sitting postures, indicated by a buzzer. When the buzzer activates, it signifies that the sitting posture has been classified as a non-ergonomic state and the posture has been done exceeding the set trigger time. This wearable system can help users maintain proper sitting posture in daily life, reducing health risks associated with muscle and spine, while offering accurate classification and an easy-to-use system.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	sistem wearable, postur duduk miring, postur duduk, ergonomi duduk, Support Vector Machine
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	S Sucipto
Date Deposited:	13 Feb 2025 01:41
Last Modified:	13 Feb 2025 01:41
URI:	http://repository.ub.ac.id/id/eprint/236538

Text (DALAM MASA EMBARGO) Nadaa Shafa Nadhifa.pdf Restricted to Registered users only Download (10MB)

Actions (login required)

View Item