Sistem Monitoring Latihan Bicep Curl Berbasis Computer Vision untuk Peningkatan Performa dan Akurasi Latihan

Authors

  • Yopy Aldo Oktamar Universitas Nusantara PGRI Kediri Indonesia
  • Danang Wahyu Widodo Universitas Nusantara PGRI Kediri Indonesia
  • Ardi Sanjaya Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/n7f3k829

Abstract

Latihan bicep curl merupakan salah satu bentuk latihan kekuatan yang populer untuk membentuk otot lengan atas. Namun, kesalahan dalam teknik pelaksanaan dapat menurunkan efektivitas latihan dan meningkatkan risiko cedera. Penelitian ini bertujuan untuk mengembangkan sistem monitoring bicep curl berbasis computer vision yang mampu mendeteksi kesalahan gerakan secara real-time dan memberikan umpan balik langsung kepada pengguna. Sistem dikembangkan menggunakan kamera untuk menangkap gerakan, dengan MediaPipe digunakan untuk ekstraksi pose dan analisis sudut sendi utama seperti bahu, siku, dan pergelangan tangan. Melalui algoritma deteksi berbasis pergeseran sudut dan posisi relatif antar sendi, sistem mampu mengidentifikasi repetisi yang benar dan salah. Evaluasi sistem dilakukan menggunakan confusion matrix terhadap 10 repetisi latihan yang seluruhnya salah, dan menghasilkan akurasi klasifikasi sebesar 80%. Meski begitu, tingkat presisi 0% menunjukkan adanya false positive yang perlu diminimalkan. Hasil ini menegaskan potensi sistem sebagai alat bantu latihan non-invasif untuk mendeteksi dan memperbaiki kesalahan gerakan. Ke depannya, pengembangan algoritma lebih presisi dan ketahanan terhadap variasi lingkungan menjadi arah penelitian selanjutnya. Sistem ini berkontribusi terhadap inovasi teknologi olahraga yang aman, mudah diakses, dan efektif dalam mendukung kebugaran fisik.

Keywords:

Ketepatan, Bicep Curl, Penglihatan Komputer, Pemantauan, Estimasi Pose

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] A. Kurniawan, R. Nugroho, and A. Arifianto, “Pose Estimation untuk Penghitungan Latihan Fitness Berbasis MediaPipe,” J. Teknol. dan Sist. Komput., vol. 11, no. 2, pp. 89–95, 2023, doi: 10.14710/jtsiskom.11.2.2023.89-95.

[2] D. H. Prasetyo and M. Lestari, “Penggunaan OpenCV dan MediaPipe untuk Pendeteksian Gerakan Tubuh dalam Aplikasi Latihan Fisik,” J. RESTI, vol. 7, no. 1, pp. 57–64, 2023, doi: 10.29207/resti.v7i1.4151.

[3] N. S. Utami, A. Rahman, and R. I. Nugroho, “Aplikasi Monitoring Gerakan Fitness Menggunakan Pose Estimation dan Machine Learning,” J. Ilmu Komput. dan Inf., vol. 17, no. 3, pp. 243–250, 2024, doi: 10.21609/jiki.v17i3.1561.

[4] T. Hartanto and E. Suryani, “Sistem Cerdas untuk Monitoring Latihan Fisik Menggunakan Estimasi Pose Real-Time,” J. Tek. ITS, vol. 12, no. 2, pp. A145--A150, 2023, doi: 10.12962/j23373539.v12i2.123456.

[5] M. F. Hidayatullah and others, “Implementasi MediaPipe Pose untuk Deteksi dan Koreksi Gerakan Bicep Curl,” J. Teknol. dan Rekayasa Sist., vol. 9, no. 4, pp. 301–308, 2024, doi: 10.33005/jtrs.v9i4.2204.

[6] U. Dedhia, P. Bhoir, P. Ranka, and P. Kanani, “Pose Estimation and Virtual Gym Assistant Using MediaPipe and Machine Learning,” in 2023 International Conference on Network, Multimedia and Information Technology (NMITCON), 2023, pp. 1–6. doi: 10.1109/NMITCON58196.2023.10275938.

[7] M. F. Naufal and S. F. Kusuma, “Analisis Perbandingan Algoritma Machine Learning dan Deep Learning untuk Klasifikasi Citra Sistem Isyarat Bahasa Indonesia (SIBI),” Semin. Nas. Teknol. Sains, vol. 3, no. 1, pp. 361–369, 2024, doi: https://doi.org/10.29407/stains.v3i1.4347.

[8] M. F. Hidayatullah, “Pengiraan Pose Model Manusia pada Repetisi Kebugaran AI Pemrograman Python Berbasis Komputerisasi,” INFOTECH J., vol. 9, no. 1, pp. 11–19, 2023, doi: https://doi.org/10.31949/infotech.v9i1.4233.

[9] S. N. Budiman, S. Lestanti, S. M. Evvandri, and R. K. Putri, “Pengenalan Gestur Gerakan Jari untuk Mengontrol Volume di Komputer Menggunakan Library OpenCV dan MediaPipe,” Antivirus J. Ilm. Tek. Inform., vol. 16, no. 2, 2022, doi: 10.35457/antivirus.v16i2.2508.

[10] A. Kurniawan, “Penggunaan Computer Vision untuk Estimasi Pose Squat sebagai Evaluasi Latihan Fisik,” in Prosiding Seminar Nasional Teknologi dan Sains, 2024, pp. 45–52. [Online]. Available: https://https//doi.org/10.29407/fpt1hh30.

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 Yopy Aldo Oktamar, Danang Wahyu Widodo, Ardi Sanjaya

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Sistem Monitoring Latihan Bicep Curl Berbasis Computer Vision untuk Peningkatan Performa dan Akurasi Latihan. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(1), 068-074. https://doi.org/10.29407/n7f3k829