Perangkat Keamanan Berolahraga Wearable Berbasis Sensor Electromyography (EMG)

Yuska, Alif (2026) Perangkat Keamanan Berolahraga Wearable Berbasis Sensor Electromyography (EMG). S1 thesis, Universitas Andalas.

	Text (01. Cover) 01. Cover.pdf - Published Version Download (1MB)
	Text (02. BAB I) 02. BAB I.pdf - Published Version Download (789kB)
	Text (03. BAB IV) 03. BAB IV.pdf - Published Version Download (48kB)
	Text (04. Daftar Pustaka) 04. Daftar Pustsaka.pdf - Published Version Download (458kB)
	Text (05. Skripsi Fulltext) 05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Aktivitas angkat beban (resistance training) memiliki risiko cedera yang tinggi apabila dilakukan tanpa pengawasan teknik yang tepat, terutama akibat praktik ego lifting yang memicu kelelahan otot ekstrim dan berpotensi menyebabkan robekan tendon bisep. Kondisi ini sulit dipantau secara objektif oleh pengguna karena minimnya alat ukur kuantitatif yang dapat digunakan secara real-time selama latihan. Penelitian ini bertujuan merancang dan mengimplementasikan Perangkat Keamanan Berolahraga Wearable Berbasis Sensor Electromyography (EMG) untuk mendeteksi tingkat kelelahan otot bisep selama aktivitas angkat beban. Sistem menggunakan sensor sEMG MyoWare 2.0 dengan sampling rate 1000 Hz yang terhubung ke mikrokontroler ESP32, kemudian mengekstraksi fitur Mean Absolute Value (MAV) dan Median Frequency (MDF) melalui perhitungan Fast Fourier Transform (FFT). Kedua fitur tersebut diklasifikasikan menggunakan Fuzzy Inference System Sugeno ke dalam tiga tingkat kelelahan otot, yaitu NORMAL, WASPADA, dan BAHAYA, dengan parameter fungsi keanggotaan yang diperoleh melalui analisis ROC dan Youden's Index terhadap data kalibrasi 10 responden. Hasil klasifikasi ditampilkan secara real-time melalui aplikasi mobile berbasis Hybrid WebView Container yang terhubung dengan Firebase Realtime Database, serta disertai umpan balik langsung berupa bunyi buzzer dengan pola berbeda untuk setiap tingkat kelelahan. Pengujian pada 6 responden menunjukkan sistem mampu mendeteksi kondisi BAHAYA dengan tingkat keberhasilan 66,7% (4 dari 6 sesi), mampu menyimpan riwayat data secara utuh selama 10 hari, serta beroperasi secara kontinu selama ±4 jam menggunakan baterai Lithium-ion 3600 mAh, yang seluruhnya melampaui target spesifikasi awal. Hasil pengujian black box juga membuktikan seluruh alur sistem, mulai dari kalibrasi baseline hingga notifikasi dan penyimpanan data, berjalan sesuai yang diharapkan.

Actions (login required)

View Item