Sistem Monitoring Kebugaran Kardiorespirasi dengan Pulse ...

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X Vol. 2, No. 9, September 2018, hlm. 3400-3408 http://j-ptiik.ub.ac.id

Fakultas Ilmu Komputer

Universitas Brawijaya 3400

Sistem Monitoring Kebugaran Kardiorespirasi dengan Pulse Sensor dan

Load Sensor Menggunakan Non-Excercise Prediction Method

Rifqi Anshari1, Rizal Maulana2, Dahnial Syauqy3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: [email protected], [email protected], [email protected]

Abstrak

Kebugaran kardiorespirasi berhubungan dengan kemampuan fungsi dari jantung, pembuluh darah, paru

– paru, dan otot untuk menyuplai oksigen saat melakukan aktivitas fisik. Terdapat bukti bahwa memiliki

kebugaran kardiorespirasi yang baik dapat menurunkan penyakit kardiovaskular seperti serangan

jantung, nyeri dada dan stroke. Oleh karena itu penting untuk memiliki kebugaran kardiorespirasi yang

baik. Kebugaran kardiorespirasi dapat di ukur melalui seberapa besar maksimum oksigen yang bisa

diambil oleh tubuh (VO2max). Terdapat metode untuk memprediksi VO2max tanpa melibatkan kegiatan

fisik dengan menggunakan denyut nadi istirahat, berat badan dan umur yaitu non-excercise prediction

method. Pengukuran denyut nadi dan berat badan dalam perhitungan VO2max dengan non-excercise

prediction menggunakan 2 sensor yaitu pulse sensor dan load sensor. Untuk memudahkan dalam

perhitungan sekaligus menampilkan hasil yang menarik maka digunakan perangkat berbasis OS android

sebagai perantara dengan memanfaatkan modul bluetooth HC-05 sebagai media pertukaran data.

Aplikasi yang dibangun pada perangkat berbasis OS android juga dilengkapi saran untuk meningkatkan

VO2max yang baik sehingga dapat menjadi pemandu bagi pengguna. Pengujian terhadap sensor dalam

pengukuran VO2max mendapatkan hasil error 8,12 % untuk pulse sensor dan hasil error 0,92% untuk

load sensor. Jarak efektif maksimal yang dapat dilakukan modul bluetooth HC-05 yaitu 10 meter.

Metode yang dilakukan dapat dengan mudah mengukur VO2max seseorang tanpa harus melakukan

kegiatan fisik sehingga memudahkan dalam pengawasan kebugaran kardiorespirasi tubuh.

Kata kunci: Kebugaran kardiorespirasi, VO2max, non-excercise prediction method, pulse sensor, load sensor

Abstract

Cardiorespiratory fitness connected with the ability function of heart, blood vessel, lungs and muscle to

supply oxygen when do physical activity. There is a proof that own good cardiorespiratory fitness can

reduce cardiovascular disease like heart attack and stroke. Therefore it’s important to have good

cardiorespiratory fitness. Cardiorespiratory fitness can be measured by level maximum oxygen body

can take (VO2max). There is a method for prediction of VO2max without doing physical activity using heart

rate rest, body weight and age (non-excercise prediction method). Measuring Heart rate and body

weight for calculation VO2max with non-excercise prediction method use 2 sensors, pulse sensor and

load sensor. In order to facilitate VO2max calculation and displaying attractive result, then used android

OS-based devices as an intermediary by utilizing the HC-05 Bluetooth module as a medium of data

exchange. Applications built on android OS based devices are also equipped with suggestions for

improving good VO2max so that it can be a guide for users. Tests on sensors in VO2max measurements

resulted in an error of 8.12% for pulse sensors and 0.92% error results for load sensor. The maximum

effective range that can be done by the Bluetooth module HC-05 is 10 meters. The method performed

can easily measure VO2max without having to do physical activity so as to facilitate in the supervision of

cardiorespiratory fitness of the body.

Keywords: Cardiorespiratory fitness, VO2max, non-excercise prediction method, pulse sensor, load sensor

1. PENDAHULUAN

Kebugaran kardiorespirasi berhubungan

dengan kemampuan fungsi dari jantung,

pembuluh darah, paru – paru, dan otot untuk

menyuplai oksigen saat melakukan aktivitas

mailto:[email protected]

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3401

Fakultas Ilmu Komputer, Universitas Brawijaya

fisik. Terdapat bukti bahwa memiliki kebugaran

kardiorespirasi yang baik dapat menurunkan

penyakit kardiovaskular seperti serangan

jantung, nyeri dada dan stroke karena kebugaran

kardiorespirasi meningkatkan sensitivitas

insulin, transportasi glukosa , memperbaiki

fungsi sistem saraf dan menurunkan denyut

jantung (Lee et al., 2010). Oleh karena itu

penting untuk memiliki kebugaran

kardiorespirasi yang baik.

Kebugaran kardiorespirasi dapat

ditingkatkan dengan latihan fisik. Latihan fisik

yang dilakukan harus tepat dan tidak berlebihan

sehingga terhindar dari resiko over Training

yang mengakibatkan penurunan bukan

peningkatan kemampuan dari tubuh. Latihan

fisik yang dilakukan harus mengikuti Salah satu

prinsip latihan yaitu meningkatkan secara

bertahap beban saat latihan dengan tujuan tubuh

akan terbiasa menghadapi beban tersebut.

Dengan melakukan latihan fisik untuk

meningkatkan kebugaran kardiorespirasi dapat

membantu mencegah obesitas sampai 20 tahun

ke depan karena dapat membantu menurunkan

berat badan (Brien et al., 2007).

Kebugaran kardiorespirasi dapat di ukur

melalui seberapa besar maksimum oksigen yang

bisa diambil oleh tubuh (VO2max). Monitoring

kebugaran pada saat ini seperti 2,4 KM run test,

quen college step test dan cooper VO2max test

memerlukan serangkaian prosedur yang

melibatkan kegiatan fisik serta perlu perhatian

khusus untuk pelaksanaannya. Tetapi, terdapat

metode untuk memprediksi VO2max tanpa

melibatkan kegiatan fisik dengan menggunakan

denyut nadi istirahat, berat badan dan umur

(Rexhepi et al., 2014). Metode tersebut

dipercaya dapat dengan mudah mengukur

VO2max seseorang tanpa harus melakukan

kegiatan fisik.

Pada skripsi ini akan membuat sebuah alat

bernama sistem monitoring kebugaran

kardiorespirasi. Sistem monitoring kebugaran

Kardiorespirasi adalah sistem yang memberitahu

pengguna informasi kebugaran tubuh dan

ditambah dengan informasi nilai indeks massa

tubuh untuk menambah fitur dari sistem. Alat ini

menggunakan pulse sensor untuk mengukur

denyut nadi dan load sensor untuk mengukur

berat badan. Sensor membantu perhitungan

VO2max menggunakan non-excercise prediction

method yang membutuhkan denyut nadi dan

berat badan dari pengguna. Sistem monitoring

kebugaran Kardiorespirasi juga dapat

memberikan saran bagaimana mencapai

kebugaran kardiorespirasi yang baik dalam

bentuk latihan yang dapat dilakukan dan saran

berat badan yang ideal yang harus dicapai. Alat

ini diharapkan dapat membantu pengguna dalam

mengetahui kebugaran tubuh dan dapat menjadi

acuan agar berlatih lebih giat untuk mencapai

kebugaran kardiorespirasi yang optimal tanpa

melakukan latihan yang berlebihan.

2. PERANCANGAN DAN

IMPLEMENTASI

Perancangan dan implementasi menjelaskan

perancangan dari sistem dan implementasinya.

Perancangan sistem secara garis besar dijelaskan

dalam diagram blok pada gambar 1. Sistem

menggunakan 2 arduino nano untuk dapat

menjalankan pulse sensor dan load sensor secara

terpisah. Perangkat android menjadi pusat

kontrol berjalannya sistem dan tempat

penyimpanan data yang dibutuhkan.

Gambar 1 Diagram Blok Sistem

Pada implementasi semua perangkat keras

dan perangkat lunak dipadukan untuk membuat

sistem secara keseluruhan agar dapat digunakan.

Secara umum bagaimana sistem digunakan oleh

pengguna dijelaskan dalam desain sistem pada

gambar 2.

Gambar 2 Desain Sistem



Perangkat terpisah menjadi dua yaitu

perangkat untuk mengukur denyut nadi yang

digunakan pada ujung jari dan perangkat untuk

mengukur berat badan yang digunakan dengan

cara berdiri di atasnya. Masing – masing

perangkat dikendalikan oleh perangkat berbasis

OS android untuk melakukan pengukurannya.

Untuk dapat melakukan pertukaran data masing

– masing perangkat dilengkapi dengan modul

bluetooth dan mempunyai alamat masing –

masing sebagai penanda.

Sistem melakukan beberapa perhitungan

untuk mencapai tujuan pembuatan sistem.

Perhitungan tersebut meliputi perhitungan

VO2max dan Indeks massa tubuh beserta

klasifikasinya.

1. Perhitungan dan Klasifikasi VO2max

Perhitungan VO2max menggunakan non-

excercise prediction method berbentuk

persamaan yang terdapat pada persamaan (1).

𝑉𝑂2𝑚𝑎𝑥 = 3,542 + (−0,014 × 𝑈𝑚𝑢𝑟) +(0,015 × 𝐵𝑒𝑟𝑎𝑡𝑏𝑎𝑑𝑎𝑛) + (−0,011 ×𝐻𝑅𝑟𝑒𝑠𝑡) (1)

Hasil dari pada persamaan (1) adalah nilai

VO2max dalam satuan L/min, untuk dapat

klasifikasi nilai dari VO2max satuan tersebut harus

diubah menjadi ml/kg/min dengan persamaan

(2).

𝑉𝑂2𝑚𝑎𝑥(𝑚𝑙/𝑘𝑔/𝑚𝑖𝑛) = 𝑉𝑂2𝑚𝑎𝑥 (𝐿/𝑚𝑖𝑛)×1000

𝐵𝑒𝑟𝑎𝑡𝑏𝑎𝑑𝑎𝑛 (2)

Klasifikasi yang dilakukan oleh sistem

berdasarkan pada tabel 1 dan tabel 2. Klasifikasi

akan berbeda hasilnya bergantung pada nilai

VO2max, umur dan jenis kelamin.

Tabel 1 Klasifikasi VO2max Perempuan

Umur Jelek Cukup Baik Baik

sekali Sangat tinggi

20-29 <36 36–39 40-43 44-49 >49

30-39 <34 34–36 37-40 41-45 >45

40-49 <32 32–34 35-38 39-44 >44

50-59 <25 25–28 29-30 31-34 >34

60-69 <26 26–28 29-31 32-35 >35

70-79 <24 24-26 27-29 30-35 >35

Sumber: Brianmac.co.uk

Tabel 2 Klasifikasi VO2max Laki - laki

Umur Jelek Cukup Baik Baik

sekali Sangat tinggi

20-29 <42 42-45 46-50

51-55 >55

30-39 <41 41-43 44-47

48-53 >53

40-49 <38 38-41 42-45

46-52 >52

50-59 <35 35-37 38-42

43-49 >49

60-69 <31 31-34 35-38

39-45 >45

70-79 <28 28-30 31-35

36-41 >41

Sumber: Brianmac.co.uk

2. Perhitungan dan Klasifikasi Indeks massa

tubuh (IMT)

Perhitungan IMT sebagai tambahan

informasi dalam mendukung kinerja sistem.

Perhitungan IMT menggunakan persamaan (3).

𝐼𝑀𝑇 =𝐵𝑒𝑟𝑎𝑡𝑏𝑎𝑑𝑎𝑛(𝑘𝑔)

(𝑇𝑖𝑛𝑔𝑔𝑖𝑏𝑎𝑑𝑎𝑛(𝑚))2 (3)

Hasil nilai dari perhitungan IMT memiliki

beberapa kategori yang harus diketahui untuk

pencegahan penyakit yaitu pada tabel 3.

Tabel 3 Kategori IMT

IMT Kategori

< 18,5 Kurang berat badan

18,5 – 22,9 Berat badan normal

≥ 23,0 Kelebihan berat badan

23,0 – 24,9 Berisiko obes

25,0 – 29,9 Obes I

≥ 30,0 Obes II

Sumber: Center for Obesity Research and Education

Implementasi pada sistem terbagi menjadi

dua yaitu implementasi perangkat keras dan

implementasi perangkat lunak.

2.1 Implementasi Perangkat Keras

Implementasi perangkat keras menjelaskan

bagaimana 2 arduino nano dan perangkat

pendukung lainnya masing - masing terhubung.

Pada gambar 3 menjelaskan bagaimana arduino

nano dengan pulse sensor.

Pada gambar 3 perangkat diletakan dalam

kubus terbuat dari acrylic. Perangkat didukung

dengan power bank sebagai sumber tenaga untuk

menjalankan arduino nano, modul bluetooth dan

pulse sensor.

Pada gambar 4 menjelaskan bagaimana

arduino nano dengan load sensor dirangkai pada

tempat timbangan yang sudah di modifikasi

sehingga hanya load sensor pada timbangan



yang dapat digunakan.

Gambar 3 Arduino Nano Dengan Pulse Sensor

Gambar 4 Arduino Nano Dengan Load Sensor

Perangkat arduino nano, modul bluetooth

dan HX711 dimasukan ke dalam tempat yang

sama sehingga bisa ditutup dengan rapi menyatu

dengan timbangan digital. Load sensor tersebar

di 4 sisi timbangan dan dirangkai menggunakan

prinsip wheatstone bridge kemudian

dihubungkan ke HX711 yang bertindak sebagai

analog to digital converter (ADC) dan sebagai

amplifier. HX711 membantu arduino nano untuk

membaca dengan baik hasil dari load sensor.

Perangkat menggunakan power bank sebagai

sumber tenaga untuk menjalankannya.

2.2 Implementasi Perangkat Lunak

Implementasi perangkat lunak menjelaskan

bagaimana praktek dari diagram alir yang

dijelaskan pada bab perancangan perangkat

lunak. Implementasi perangkat lunak terbagi

menjadi dua yaitu implementasi perangkat lunak

pada arduino nano menggunakan arduino IDE

dan implementasi perangkat lunak untuk

pembuatan aplikasi berbasis OS android

menggunakan MIT APP Inventor.

2.2.1 Implementasi perangkat lunak pada

arduino nano

Algoritma dari sistem dibuat menggunakan

arduino IDE. Arduino nano yang terpasang pada

masing – masing sensor berjalan secara terpisah

dan memiliki tujuan masing – masing sehingga

memiliki algoritma yang berbeda – beda.

Implementasi perangkat lunak pada arduino

nano dijelaskan secara umum dalam bentuk

flowchart. Pada gambar 5 dijelaskan alur kerja

dari arduino nano yang terpasang dengan pulse

sensor.

Gambar 5 Arduino nano dengan Pulse Sensor

Ketika perangkat mendapatkan perintah

dari aplikasi ditandai dengan menerimanya

pesan berupa “a” melalui modul bluetooth maka



arduino nano akan mulai menjalankan pulse

sensor. Pulse sensor untuk menemukan denyut

nadi dalam 60 detik (BPM) dengan bantuan

interupt yang berjalan diluar program utama

sehingga program utama hanya menunggu hasil

dari perhitungan BPM. Interupt yang digunakan

dalam menghitung BPM berjalan dengan cara

menemukan denyut nadi dalam bentuk

gelombang thresh sebagai penanda awal denyut

akan terjadi dan peak sebagai penanda denyut

telah terjadi, Kemudian menghitung rata – rata

waktu antara gelombang denyut nadi saat terjadi

dalam waktu 60 detik.

Pada gambar 6 menjelaskan alur kerja dari

arduino nano dengan load sensor.

Gambar 6 Arduino Dengan Load Sensor

Ketika perangkat mendapatkan perintah

dari aplikasi ditandai dengan menerimanya

pesan berupa “b” maka arduino nano akan mulai

menjalankan load sensor. Perhitungan berat

badan menggunakan pustaka dari HX711

sehingga program utama hanya memanggil

pustaka untuk mendapatkan data berat badan.

2.2.2 Implementasi perangkat lunak pada

MIT APP Inventor

Algoritma pada aplikasi berperan sebagai

pemberi masukan data dari pengguna sekaligus

pengontrol jalannya sistem. Alur kerja dari

aplikasi dijelaskan pada gambar 7. Masukan dari

pengguna terbagi menjadi dua yaitu masukan

tinggi, umur, jenis kelamin dan masukan yang

melibatkan sensor. Masukan dari sensor akan

memberikan aplikasi informasi denyut nadi dan

berat badan. Untuk mendapatkan data sensor

pengguna harus terhubung ke sensor melalui

bluetooth. Ketika semua informasi yang

dibutuhkan telah tersimpan maka pengguna

dapat menampilkan hasil dari perhitungan

VO2max dan IMT sekaligus saran untuk

mendapatkan nilai yang ideal.

Gambar 7 Alur Kerja Pada Aplikasi

Implementasi dari alur kerja pada aplikasi

dilakukan oleh MIT APP Inventor sebagai

pembuat dari aplikasi. Gambar 8 menjelaskan

antarmuka dari aplikasi ke pengguna.



(a) (b)

(c)

Gambar 8 Antarmuka Aplikasi

Pada gambar 8(a) adalah ketika pengguna

memasukan informasi pribadi meliputi umur,

tinggi badan dan jenis kelamin. Pada gambar

8(b) adalah ketika pengguna memasukan data

dari denyut nadi dan berat badan menggunakan

bantuan sensor. Pada gambar 8(c) adalah ketika

pengguna ditampilkan hasil dari perhitungan

VO2max dan IMT beserta klasifikasinya

menggunakan informasi yang sudah tersimpan

oleh sistem.

3 HASIL PENGUJIAN

Pengujian dan analisis menjelaskan

bagaimana sistem diuji setelah implementasi

selesai dilakukan kemudian menganalisis hasil

pengujian tersebut untuk mencari kesimpulan

dari kinerja sistem.

3.1 Pengujian Pulse Sensor

Tujuan dari pengujian ini adalah untuk

mengetahui akurasi dari pulse sensor apakah

memiliki akurasi yang baik atau tidak. Hasil dari

pengujian pada pulse sensor dimuat dalam tabel

4.

Tabel 4 Hasil Pengujian Pulse Sensor

No Pengukuran

Manual (BPM)

Pengukuran Sensor (BPM)

Persentase Kesalahan

(%)

1 64 80 25 %

2 64 80 25 %

3 64 75 17,19 %

4 64 65 1,56 %

5 64 64 0 %

6 64 62 3,12 %

7 64 62 3,12 %

8 64 67 4,68 %

9 64 65 1,56 %

10 64 64 0 %

Rata – Rata 8,12 %

Kesalahan yang terjadi dikarenakan pulse

sensor sangat dipengaruhi oleh posisi ujung jari

pada sensor dan tekanan yang diberikan pada

sensor sehingga sebagian pembacaan terdapat

kesalahan. Selain masalah tersebut pulse sensor

juga membutuhkan waktu untuk stabil dalam

pembacaan ketika pengguna pertama kali

memegang sensor.

3.2 Pengujian Load Sensor


mengetahui akurasi dari load sensor apakah

memiliki akurasi yang baik atau tidak. Hasil dari

pengujian pada load sensor dimuat dalam tabel

5.

Tabel 5 Hasil Pengujian Load Sensor

No Pengukuran Manual (Kg)

Pengukuran Sensor (Kg)

Persentase Kesalahan

(%)

1 55,5 54,8 1,26 %

2 67,6 67 0,88 %

3 46,5 45,8 1,5 %

4 59,9 59,2 0,11 %

5 68,4 67,8 0,88 %

Rata – Rata 0,92 %

Kesalahan yang terjadi dikarenakan load

sensor memiliki kesalahan komprehensif 0,05

mv/V sehingga dapat terjadi ketidakakuratan

pembacaan pada sensor. Saat pengguna

meletakan kaki, posisi kaki yang sejajar atau

bertumpu dengan baik pada perangkat juga dapat

menjadi pengaruh karena sensor akan kesulitan

dalam menstabilkan hasil yang keluar.



3.3 Pengujian Modul Bluetooth


mengetahui jarak maksimal dari modul dalam

mengirimkan data. Pengujian dilakukan pada

jarak 10 meter dan 12 meter. Hasil dari

pengujian pada modul bluetooth dimuat dalam

tabel 6 dan tabel 7.

Tabel 6 Pengujian Modul Bluetooth Pada Jarak 10

Meter

No Data terkirim Data diterima Status

1 ”Data terkirim 1” ”Data terkirim 1” Berhasil





Tabel 7 Pengujian Modul Bluetooth Pada Jarak 12

Meter

No Data terkirim Data diterima Status

1 ”Data terkirim 1”

”Data terkirim 1”

Berhasil



Berhasil


- Gagal


- Gagal



Terlambat

Terdapat kesalahan pengiriman data pada

tabel 6 dijarak 12 meter. Kesalahan pada

pengiriman diakibatkan oleh jangkauan

maksimal dari modul sendiri yaitu kurang lebih

10 meter. Maka untuk mendapatkan fungsi

maksimal dari modul penggunaan harus dalam

jangkauan jarak 10 meter.

3.4 Pengujian Tingkat Kebugaran

Kardiorespirasi

Pengujian bertujuan untuk menguji dampak

dari latihan yang dijalani terhadap kebugaran

kardiorespirasi. Hasil dari pengujian dimuat

dalam tabel 8.

Tabel 8 Hasil Tingkat Kebugaran Terhadap

Pengujian Yang Dilakukan

No Data Subjek Sebelum

Metode Pengujian Dilakukan

Data Subjek Setelah Metode Pengujian

Dilakukan

1 Umur : 23

Denyut Nadi : 68 BPM Denyut Nadi : 68 BPM

Berat Badan : 54,8 Kg Berat Badan : 54 Kg

Intensitas Latihan : 0 kali/Minggu


Nilai VO2max

(ml/Kg/min) : 60 Nilai VO2max

(ml/Kg/min) : 61

Tingkat Kebugaran : Sangat Tinggi


2 Umur : 22


Berat Badan : 71 Kg Berat Badan : 67,7 Kg



Nilai VO2max


(ml/Kg/min) : 52

Tingkat Kebugaran : Baik Sekali


3 Umur : 20

Denyut Nadi : 100 BPM


Berat Badan : 47 Kg Berat Badan : 48 Kg



Nilai VO2max


(ml/Kg/min) : 60



4 Umur : 21


Berat Badan : 59,9 Kg Berat Badan : 60,3 Kg



Nilai VO2max


(ml/Kg/min) : 53



5 Umur : 19



Berat Badan : 47 Kg Berat Badan : 47,3 Kg



Nilai VO2max


(ml/Kg/min) : 60



Menurut perbandingan pada hasil pengujian

di tabel 8 terdapat peningkatan nilai VO2max

terhadap subjek 1 dan 2. Subjek 2 yang

melakukan 15/15 interval running mengalami

peningkatan yang lebih tinggi dari pada subjek 1

yang melakukan long slow distance running, hal

ini dikarenakan metode latihan yang dilakukan

subjek 2 lebih berat dari pada subjek 1. Pada

subjek 3 dan 5 terjadi peningkatan berat badan



karena subjek mengurangi latihan yang biasa

dilakukan kecuali pada subjek 4 yang

mengalami peningkatan pada denyut nadi dan

berat badan. Perubahan yang terjadi pada subjek

3 dan 5 mengakibatkan sedikit penurunan nilai

VO2max tetapi pada subjek 4 tidak terjadi

penurunan yang berarti sehingga nilai VO2max

tetap stabil.

4 KESIMPULAN

Garis besar dari perancangan sistem sampai

dengan hasil pengujian dan analisis yaitu :

1. Sistem dapat mengukur denyut nadi dengan

memanfaatkan pulse sensor sebagai

perantara yang digunakan pada ujung jari

pengguna.

2. Sistem dapat mengukur berat badan dengan

memanfaatkan load sensor sebagai

perantara dibantu dengan ADC HX711

untuk membantu perhitungan. Pengguna

harus berdiri di atas sensor untuk mendapat

perhitungan berat badan.

3. Sistem dapat melakukan perhitungan

kebugaran kardiorespirasi dengan

memanfaatkan persamaan yang tersedia dan

ditambah dengan perhitungan indeks masa

tubuh untuk melengkapi jalannya sistem.

Sistem juga dapat memberikan saran

sehubungan dengan hasil yang diberikan

sehingga pengguna mengerti bagaimana

mencapai kebugaran yang baik.

4. Arduino nano dapat terhubung dengan

perangkat berbasis OS android dengan

memanfaat modul bluetooth dengan jarak

maksimal 10 meter.

5. Pembuatan sistem untuk pengukuran

denyut nadi dan berat badan menggunakan

mendapatkan hasil akurasi yang tergolong

baik dengan rata – rata error pada pulse

sensor sebesar 8,12 % dan load sensor

sebesar 0,92 %.

DAFTAR PUSTAKA

American College of Sport Medicine, 2008.

ACSM's Health-Related Physical Fitness

Manual 2nd ed. Philadelphia, PA:

Lippincott Williams & Wilkins [electronic

print] Tersedia di: <

http://ebook30.com/science/medicine/5095

9/acsr-nshealthrelated-physical-fitness-

assessmdnt-manual.html > [Diakses 18

september 2016]

Brien SE, Katzmarzyk PT, Craig CL and Gauvin

L, 2007. Physical activity,

cardiorespiratory fitness and body mass

index as predictors of substantial weight

gain and obesity: the Canadian physical

activity longitudinal study. Can J Public

Health 98: 121–124.

Brian Mac Sport Coach., 2016. Heart Rate

Zones. [online] Brian Mac Sport Coach.

Tersedia di:

<https://www.brianmac.co.uk/hrm1.htm>

[Diakses 11 November 2016]

Brian Mac Sport Coach., 2016. Maximum Heart

Rate. [online] Brian Mac Sport Coach.

Tersedia di: <

https://www.brianmac.co.uk/maxhr.htm>

[Diakses 11 November 2016]

Brian Mac Sport Coach., 2016. VO2 Max.

[online] Brian Mac Sport Coach. Tersedia

di:

<https://www.brianmac.co.uk/vo2max.htm

#vo2> [Diakses 11 November 2016]

Center for Obesity Research and

Education.,2017. Body Mass Index: BMI

Calculator. [Online] Tersedia di:

<http://www.core.monash.org/bmi.html > [

Diakses 8 Maret 2017]

Danial et al., 2011. Proporsi Indeks Massa

Tubuh (IMT) Penderita Penyakit Jantung

Koroner Di RSUP Haji Adam Malik,

Medan [pdf] Tersedia di:

<http://repository.usu.ac.id/handle/123456

789/25638> [Diakses 20 Januari 2017]

GitHub., 2017. An Arduino library to interface

the Avia Semiconductor HX711 24-Bit

Analog-to-Digital Converter (ADC) for

Weight Scales. [online] Bogde. Tersedia di:

<https://github.com/bogde/HX711>

[Diakses 14 Juli 2017]

Hanum.Misra, 2004. Pengaruh Latihan Aerobik

Terhadap Ambilan Oksigen Maksimum

(Vo2 max) Pada Fase-Fase Siklus

Menstruasi Wanita Usia 18-24 Tahun Yang

Tidak Terlatih [pdf] Tersedia di:

<http://repository.usu.ac.id/xmlui/handle/1

23456789/6186?show=full> [Diakses 20

Januari 2017]

Heywood, V., 2006. The Physical Fitness

Specialist Manual, The Cooper Institute for

Aerobics Research. Dallas : TX.



Helgerud, Jan et al., 2007. Aerobic High-

Intensity Intervals Improve VO2max More

Than Moderate Training. [pdf] Tersedia di:

<https://www.researchgate.net/profile/Kjet

il_Hoydal/publication/6407035_Aerobic_

Highintensity_Intervals_Improve_VO2ma

x_More_Than_Moderate_Training/links/5

63c69c008ae34e98c493e9d.pdf> [Diakses

3 Oktober 2017]

Howley et al ,1995. Criteria for maximal oxygen

uptake: review and commentary. Med Sci

Sports Exerc.

Jackson, A.S. et al., 2007. Estimating Maximum

Heart Rate From Age: Is It a Linear

Relationship? Medicine & Science in

Sports & Exercise, 39(5), p. 822-829

Jheri Turnley, B.S., 2010. VO2max: How Can

An Endurance Athlete Use It To Obtain

Peak Performance? [pdf] Tersedia di:

<http://henryortho.com/pdf/VO2max.pdf>

[Diakses 3 Oktober 2017]

Karvonen, J. and Vuorimaa, T, 1988. Heart rate

and exercise intensity during sports

activities. Sports Medicine

Lee et al., 2010. Mortality trends in the general

population: the importance of

cardiorespiratory fitness. [pdf] Tersedia di:

<

https://www.ncbi.nlm.nih.gov/pmc/articles

/PMC2951585/> [Diakses 8 Maret 2017]

Olivia, Wilhelmina., 2012. Hubungan Indeks

Massa Tubuh dengan Kebugaran Fisik pada

Mahasiswa Laki-Laki Fakultas Kedokteran

Universitas Sumatera Utara Tahun Masuk.

[pdf] Tersedia di:

<http://repository.usu.ac.id/handle/123456

789/31463 > [Diakses 20 April 2016]

Pulse Sensor., 2016. Pulse Sensor Amped.

[online] Pulse Sensor. Tersedia di: <

https://pulsesensor.com/pages/pulse-

sensor-amped-arduino-v1dot1> [Diakses 8

Maret 2017]

Rahayu, Indri., 2013. Kebugaran Jasmani

Lanjutan [pdf] Tersedia di:

http://file.upi.edu/Direktori/FPOK/JUR._P

END._KESEHATAN_&_REKREASI/PR

ODI._KEPERAWATAN/1981101920031

22-

NUR_INDRI_RAHAYU/KEBUGARAN_

JASMANI_LANJUTAN_ARTIKEL.pdf

[Diakses 20 April 2016]

Rexhepi et al., 2014. Prediction of VO2max

based on age, body mass, and resting heart

rate [pdf] Tersedia di: <

https://www.degruyter.com/downloadpdf/j/

humo.2014.15.issue- /humo-2014-

0003/humo-2014-0003.pdf> [Diakses 11

Juli 2017]

Sparkfun Electronics., 2017. Getting Started

with Load Cells. [online] Sparkfun

Electronics. Tersedia di:

<https://learn.sparkfun.com/tutorials/gettin

g-started-with-load-

cells?_ga=2.76875798.220611380.151321

5199-1251858349.1489277699> [Diakses

20 November 2017]

http://repository.usu.ac.id/browse?type=author&value=Olivia%2C+Wilhelmina

http://repository.usu.ac.id/browse?type=author&value=Olivia%2C+Wilhelmina

http://file.upi.edu/Direktori/FPOK/JUR._PEND._KESEHATAN_&_REKREASI/PRODI._KEPERAWATAN/198110192003122-NUR_INDRI_RAHAYU/KEBUGARAN_JASMANI_LANJUTAN_ARTIKEL.pdf






https://www.degruyter.com/downloadpdf/j/humo.2014.15.issue-

https://www.degruyter.com/downloadpdf/j/humo.2014.15.issue-

Sistem Monitoring Kebugaran Kardiorespirasi dengan Pulse ...

Documents

Transcript of Sistem Monitoring Kebugaran Kardiorespirasi dengan Pulse ...