Sistem Bantu Wearable pada Latihan Angkat Beban untuk Triceps dengan Metode Support Vector Machine (SVM)

Abstrak

Meningkatnya popularitas olahraga, khususnya melalui media sosial, telah mendorong partisipasi masyarakat yang signifikan. Fenomena ini tak jarang diikuti oleh pemahaman teknik olahraga yang tidak memadai, terutama pada latihan angkat beban. Konsekuensi dari teknik yang salah dapat berakibat fatal, salah satunya berupa cedera pada otot triceps yang memegang peran penting dalam aktivitas sehari-hari. Menjawab permasalahan ini, penelitian ini bertujuan mengembangkan sebuah sistem bantu wearable berbasis sensor MPU6050 untuk memantau dan memperbaiki gerakan one arm overhead triceps extension pada latihan angkat beban, meminimalisir resiko cedera akibat kesalahan teknik, dan pada akhirnya meningkatkan efektivitas latihan. Sistem ini memanfaatkan kombinasi sensor accelerometer dan gyroscope yang secara real-time menangkap data selama latihan. Dua belas titik data (input) yang dihasilkan oleh sensor MPU6050 kemudian diolah melalui metode klasifikasi Support Vector Machine (SVM) dalam ESP32 untuk diklasifikasikan. Hasil klasifikasi kemudian diinterpretasikan menjadi perhitungan kualitas gerakan one arm overhead triceps extension secara keseluruhan. Sebagai komponen output, sistem dilengkapi dengan buzzer yang memberikan feedback suara untuk gerakan yang benar berdasarkan penilaian klasifikasi. Melalui feedback suara ini, pengguna dapat langsung mengetahui kualitas gerakannya dan segera melakukan koreksi jika diperlukan. Berdasarkan hasil pengujian, sistem ini berhasil mendeteksi gerakan one arm overhead triceps extension dengan tingkat akurasi sebesar 81,4%. Selain itu, waktu komputasi sistem tergolong cepat, yaitu rata-rata 4 ms, sehingga feedback suara dapat diberikan secara real-time tanpa mengganggu momentum latihan.