Sistem Pendeteksi Kelelahan Otot pada Biceps Brachii Menggunakan Fitur Root Mean Square dan Klasifikasi Random Forest

Abstrak

Kelelahan otot merupakan kondisi umum yang dapat terjadi saat seseorang melakukan aktivitas fisik yang intensif, terutama pada otot biceps brachii. Kelelahan otot dapat berpotensi menyebabkan masalah kesehatan dan mengurangi performa olahraga secara signifikan. Deteksi dini kelelahan otot menjadi krusial untuk mencegah dampak negatif ini, sehingga diperlukan penggunaan teknologi sensor otot untuk merekam sinyal electromyography (EMG) secara real-time. Penelitian ini mengembangkan sistem yang wearable dalam mendeteksi kelelahan otot pada biceps brachii dengan mengusulkan metode ekstraksi fitur Root Mean Square (RMS) dan klasifikasi menggunakan algoritma Random Forest. Sinyal EMG direkam menggunakan Myoware 2.0 Muscle Sensor selama subjek melakukan angkat beban. Data sinyal kemudian diolah dengan ekstraksi fitur RMS untuk mengevaluasi kelelahan otot. Algoritma Random Forest digunakan untuk mengklasifikasikan kondisi kelelahan berdasarkan ekstraksi fitur RMS. Hasil penelitian menunjukkan bahwa Myoware 2.0 Muscle Sensor mampu merekam sinyal EMG secara akurat dalam rentang amplitudo yang relevan. Sistem yang dikembangkan mencapai akurasi sebesar 91,43% dalam mendeteksi kelelahan otot biceps brachii. Waktu komputasi rata-rata yang dibutuhkan sistem adalah 1,026512 detik, menunjukkan efisiensi dalam pengolahan data secara real-time. Secara keseluruhan, sistem berfungsi dengan baik dalam mendeteksi kelelahan otot pada biceps brachii, baik dari segi perangkat keras maupun perangkat lunaknya, mencapai tingkat keberhasilan 100% sesuai dengan fungsionalitas yang diharapkan.