Sistem Wearable Deteksi Postur pada Training Lateral Raise Menggunakan Sensor MPU6050 dengan Algoritma Random Forest

Syauqi, Mohd Alfitra and Dahnial Syauqy, S.T., M.T., M.Sc. and Wijaya Kurniawan, S.T., M.T. (2024) Sistem Wearable Deteksi Postur pada Training Lateral Raise Menggunakan Sensor MPU6050 dengan Algoritma Random Forest. Sarjana thesis, Universitas Brawijaya.

Abstract

Olahraga memiliki peran yang sangat penting dalam menjaga kesehatan fisik dan mental. Untuk mendapatkan manfaat maksimal, banyak orang beralih ke latihan beban guna membentuk otot dan meningkatkan kekuatan fisik. Latihan otot deltoid menjadi salah satu pilihan favorit dalam membentuk visual badan yang lebar dan atletis. Salah satu latihan yang sering dilakukan adalah lateral raise. Namun, banyak orang melakukan gerakan ini tanpa pemahaman yang memadai. Kesalahan dalam teknik, postur tubuh yang salah, penggunaan beban yang tidak sesuai, atau keterbatasan akses terhadap pelatih dapat meningkatkan risiko cedera dan hasil yang tidak optimal. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem wearable guna mendeteksi kesalahan teknik gerakan lateral raise secara langsung. Sistem ini terdiri dari modul sensor MPU6050 yang dilengkapi akselerometer dan giroskop untuk mengukur gerakan tubuh, mikrokontroler ESP32 sebagai pemroses data, dan algoritma Random Forest untuk mengklasifikasikan gerakan menjadi benar atau salah. Data sensor dikirim menggunakan protokol komunikasi ESP-NOW dan hasil klasifikasi dikeluarkan melalui buzzer sebagai umpan balik suara kepada pengguna. Hasil penelitian menunjukkan bahwa sistem mampu mencapai akurasi klasifikasi algoritma Random Forest sebesar 95,8%, sedangkan pada pengujian keseluruhan sistem mendapatkan akurasi sebesar 87,5% terhadap 24 kali pengujian yang dilakukan dalam melakukan klasifikasi gerakan benar dan salah dengan waktu komputasi rata-rata 453,08 mikrodetik. Umpan balik suara dengan buzzer yang diberikan sistem membantu pengguna memperbaiki teknik latihan dan mengurangi risiko cedera. Dengan demikian, sistem wearable ini menawarkan solusi yang efektif dan praktis bagi individu yang melakukan latihan lateral raise secara mandiri.

English Abstract

Physical exercise plays a crucial role in maintaining physical and mental health. To maximize the benefits, many individuals engage in weight training to build muscle and enhance physical strength. Deltoid muscle training is a popular choice for achieving a broad and athletic body shape. One common exercise is the lateral raise. However, many people perform this exercise without adequate understanding. Mistakes in technique, poor posture, improper weight usage, or lack of access to a trainer can increase the risk of injury and lead to suboptimal results. This research aims to design and develop a wearable system to detect posture errors in lateral raise exercises in real time. The system comprises an MPU6050 sensor module equipped with an accelerometer and gyroscope to measure body movements, an ESP32 microcontroller to process the data, and the Random Forest algorithm to classify movements as correct or incorrect. Sensor data is transmitted using the ESP-NOW communication protocol, and classification results are conveyed via a buzzer, providing auditory feedback to the user. The findings demonstrate that the system achieved a Random Forest classification accuracy of 95.8%, while the overall system testing obtained an accuracy of 87.5% based on 24 test cases for classifying correct and incorrect movements, with an average computation time of 453.08 microsecond. The buzzer's auditory feedback assists users in improving their exercise technique and reducing the risk of injury. Therefore, this wearable system offers an effective and practical solution for individuals performing lateral raise exercises independently.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	sistem wearable, lateral raise, otot deltoid, MPU6050, ESP32, Random Forest.
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	S Sucipto
Date Deposited:	13 Feb 2025 04:23
Last Modified:	13 Feb 2025 04:23
URI:	http://repository.ub.ac.id/id/eprint/236632

Text (DALAM MASA EMBARGO) Mohd Alfitra Syauqi.pdf Restricted to Registered users only Download (7MB)

Actions (login required)

View Item