PENGEMBANGAN ALAT TES KESAMAPTAAN TNI/POLRI BERBASIS TEKNOLOGI COMPUTER VISION DAN IOT DENGAN METODE POSE ESTIMATION MENGGUNAKAN PYTHON
Isi Artikel Utama
Abstrak
Alat tes kesamaptaan fisik TNI/Polri saat ini masih dilakukan secara manual oleh instruktur/pelatih. Hal ini berpotensi pada kesalahan perhitungan dan subjektivitas penilaian. Penelitian ini bertujuan untuk merancang dan membangun alat tes sistem kesamaptaan TNI/Polri yang dapat secara otomatis mendeteksi dan menganalisis gerakan fisik. Metode yang digunakan adalah memanfaatkan teknologi computer vision dan Internet of Things dengan menerapkan metode pose estimation berbasis Python. Sistem ini akan mendeteksi setiap kali gerakan push up, pull up, dan sit up dilakukan dan secara otomatis menghitung jumlah repetisinya. Dengan demikian para peserta olahraga dapat melakukan latihan fisik dengan jumlah repetisi yang sesuai target dan dengan form yang benar. Sistem ini diharapkan dapat mencegah kecurangan saat penilaian jumlah repetisi, serta menjadi asisten yang berguna bagi pelatih dan atlet dalam memantau apakah gerakan yang sudah benar atau belum. Pengembangan sistem ini diharapkan dapat memberikan kontribusi serta mendorong penerapan teknologi yang lebih interaktif dan efektif dalam dunia berolahraga.
Rincian Artikel
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) STMIK TIMEReferensi
[1] Arjuna DN, Nawawi I, Setyowati I. Sistem Penghitung Pull Up Otomatis Menggunakan Sensor Ultrasonik Berbasis Atmega16. Theta Omega: Journal Of Electrical Engineering, Computer And Information Technology. 2020 Oct 30;1(2):24-30.
[2] Rosadi D, Hardiansyah L, Rusdiana A. Pengembangan Teknologi Alat Ukur Push Up Berbasis Microcontroller Dengan Sensor Ultrasonic. JTIKOR (Jurnal Terapan Ilmu Keolahragaan). 2018 Jun;3(1):34-8.
[3] Astuti F, Capritasari R, Sumego M, Hardjanto TE. Analisis Hasil Tes Kesamaptaan Jasmani Peserta Seleksi Calon Bintara Tenaga Kesehatan TNI AU Alumni Poltekkes TNI AU Adsisutjipto Yogyakarta. MAHESA: Malahayati Health Student Journal. 2023 Mar 14;3(2):426-36.
[4] Efendi Y. Internet of Things (IOT) sistem pengendalian lampu menggunakan Raspberry PI berbasis mobile. Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar. 2018 Sep 1;4(2):21-7.
[5] Normalisa N, Rachmaniar A, Diana D, Saefudin M, Parulian R. Application Of Computer Vision Detection Of Apples And Oranges Using Python Language. JISICOM (Journal of Information System, Informatics and Computing). 2022 Dec 5;6(2):455-66.
[6] Roihan A, Sunarya PA, Rafika AS. Pemanfaatan machine learning dalam berbagai bidang. Jurnal Khatulistiwa Informatika. 2020;5(1):490845.
[7] Rifky S. Dampak penggunaan artificial intelligence bagi pendidikan tinggi. Indonesian Journal of Multidisciplinary on Social and Technology. 2024 Feb 2;2(1):37-42.
[8] Steven G, Liliana L, Purbowo AN. Penerapan 3D human pose estimation indoor area untuk motion capture dengan menggunakan YOLOv4-Tiny, EfficientNet simple baseline, dan VideoPose3D. Jurnal Infra. 2022 Aug 29;10(2):191-7.
[9] Ramadan AK, Budilaksono S. Rancang Bangun Aplikasi Deteksi Objek Untuk Menghitung Jumlah Pengunjung Restoran Berbasis Computer Vision. IKRA-ITH Informatika: Jurnal Komputer dan Informatika. 2023;7(1).
[10] Seputra HS, Kardian AR. Implementasi Metode Rapid Application Development (RAD) untuk Virtual Class pada SMAN 14 Bekasi Berbasis Web: Array. Jurnal Ilmiah Komputasi. 2020 Sep 15;19(1):69-82.
[11] Deng, J., Lu, Y., & Lee, V. C.-S. (2020). Imaging-based crack detection on concrete surfaces using You Only Look Once network. Structural Health Monitoring, 147592172093848. doi:10.1177/1475921720938486