Maulida, Nur Syifa (2024) Rancang Bangun bangun aplikasi pengoreksi gerakan olahraga menggunakan algoritma Neural Network Dengan Framework Flutter. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
This is the latest version of this item.
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1_cover.pdf Download (131kB) |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (116kB) |
|
|
Text (DAFTAR ISI)
3_daftar isi.pdf Download (101kB) | Preview |
|
|
Text (BAB I)
4_bab 1.pdf Download (362kB) | Preview |
|
|
Text (BAB II)
5_bab 2.pdf Restricted to Registered users only Download (648kB) |
|
|
Text (BAB III)
6_bab 3.pdf Restricted to Registered users only Download (193kB) |
|
|
Text (BAB IV)
7_bab 4.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
8_bab 5-1.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB VI)
9_bab 6-1.pdf Restricted to Registered users only Download (100kB) |
|
|
Text (DAFTAR PUSTAKA)
10_daftar pustaka-1.pdf Restricted to Registered users only Download (118kB) |
Abstract
Tingkat kebugaran masyarakat Indonesia tergolong sangat rendah, dengan 76% populasi dikategorikan tidak bugar dan 18,14% sangat tidak bugar, yang berdampak pada tingginya angka penyakit berbahaya seperti stroke dan obesitas. Untuk mengatasi masalah keterbatasan dalam melakukan olahraga dan menggantikan peran personal trainer secara virtual dan real-time, penelitian ini mengembangkan sebuah aplikasi berbasis Android menggunakan framework Mediapipe untuk pose estimation dan Tensorflow untuk model Neural Network (NN). Mediapipe mendeteksi dan menganalisis pose tubuh manusia secara real-time, sementara NN digunakan untuk mengklasifikasi dan mencocokkan gerakan olahraga. Aplikasi ini dikembangkan dengan menggunakan metode Waterfall yang melibatkan tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Hasil penelitian menunjukkan bahwa jumlah layer dalam model mempengaruhi kinerja prediksi gerakan olahraga. Model dengan 7 layer tanpa dropout efektif untuk push up, sedangkan model pull-up memerlukan dropout untuk mengurangi overfitting. Model squat yang lebih sederhana dengan 3 layer sudah cukup efektif. Akurasi model neural network dalam mengoreksi gerakan push-up, pull-up, dan squat masing-masing mencapai 97%, 98%, dan 99%. Aplikasi ini mendapatkan nilai akurasi total sebesar 78% dan menerima tanggapan positif dari pengguna. Kesimpulannya, aplikasi ini cukup baik dalam mengoreksi gerakan olahraga dan dapat diterima oleh kalangan umum sebagai solusi alternatif personal trainer virtual.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Pose Estimation; Neural Network; Mediapipe; Tensorflow; Landmark; Olahraga; Personal Trainer |
| Subjects: | Personal Health, Hygiene > Industrial Health |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Elektro |
| Depositing User: | Nur Syifa Maulida |
| Date Deposited: | 28 Aug 2024 08:22 |
| Last Modified: | 28 Aug 2024 08:22 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/94487 |
Available Versions of this Item
-
Prototipe Robot Pemetik Tomat Menggunakan Sensor Vision Pixy2 Cam Berbasis Fuzzy Logic Control. (deposited UNSPECIFIED)
- Rancang Bangun bangun aplikasi pengoreksi gerakan olahraga menggunakan algoritma Neural Network Dengan Framework Flutter. (deposited 28 Aug 2024 08:22) [Currently Displayed]
Actions (login required)
 |
View Item |
