Sistem Monitoring Kebugaran Kardiorespirasi dengan Pulse ...
-
Upload
khangminh22 -
Category
Documents
-
view
0 -
download
0
Transcript of 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
β 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 itβs 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 β paru, dan otot untuk
menyuplai oksigen saat melakukan aktivitas
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
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3402
Fakultas Ilmu Komputer, Universitas Brawijaya
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 β masing
perangkat dikendalikan oleh perangkat berbasis
OS android untuk melakukan pengukurannya.
Untuk dapat melakukan pertukaran data masing
β masing perangkat dilengkapi dengan modul
bluetooth dan mempunyai alamat masing β
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).
ππ2πππ₯ = 3,542 + (β0,014 Γ πππ’π) +(0,015 Γ π΅ππππ‘πππππ) + (β0,011 Γπ»π πππ π‘) (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).
ππ2πππ₯(ππ/ππ/πππ) = ππ2πππ₯ (πΏ/πππ)Γ1000
π΅ππππ‘πππππ (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 36β39 40-43 44-49 >49
30-39 <34 34β36 37-40 41-45 >45
40-49 <32 32β34 35-38 39-44 >44
50-59 <25 25β28 29-30 31-34 >34
60-69 <26 26β28 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).
πΌππ =π΅ππππ‘πππππ(ππ)
(πππππππππππ(π))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 β 22,9 Berat badan normal
β₯ 23,0 Kelebihan berat badan
23,0 β 24,9 Berisiko obes
25,0 β 29,9 Obes I
β₯ 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
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3403
Fakultas Ilmu Komputer, Universitas Brawijaya
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 β masing sensor berjalan secara terpisah
dan memiliki tujuan masing β masing sehingga
memiliki algoritma yang berbeda β 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 βaβ melalui modul bluetooth maka
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3404
Fakultas Ilmu Komputer, Universitas Brawijaya
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 β 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 βbβ 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.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3405
Fakultas Ilmu Komputer, Universitas Brawijaya
(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 β 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
Tujuan dari pengujian ini adalah untuk
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 β 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.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3406
Fakultas Ilmu Komputer, Universitas Brawijaya
3.3 Pengujian Modul Bluetooth
Tujuan dari pengujian ini adalah untuk
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 βData terkirim 1β βData terkirim 1β Berhasil
2 βData terkirim 2β βData terkirim 2β Berhasil
3 βData terkirim 3β βData terkirim 3β Berhasil
4 βData terkirim 4β βData terkirim 4β Berhasil
5 βData terkirim 5β βData terkirim 5β Berhasil
Tabel 7 Pengujian Modul Bluetooth Pada Jarak 12
Meter
No Data terkirim Data diterima Status
1 βData terkirim 1β
βData terkirim 1β
Berhasil
2 βData terkirim 2β
βData terkirim 2β
Berhasil
3 βData terkirim 3β
- Gagal
4 βData terkirim 4β
- Gagal
5 βData terkirim 5β
βData terkirim 3β
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
Intensitas Latihan : 3 kali/Minggu
Nilai VO2max
(ml/Kg/min) : 60 Nilai VO2max
(ml/Kg/min) : 61
Tingkat Kebugaran : Sangat Tinggi
Tingkat Kebugaran : Sangat Tinggi
2 Umur : 22
Denyut Nadi : 64 BPM Denyut Nadi : 64 BPM
Berat Badan : 71 Kg Berat Badan : 67,7 Kg
Intensitas Latihan : 0 kali/Minggu
Intensitas Latihan : 3 kali/Minggu
Nilai VO2max
(ml/Kg/min) : 51 Nilai VO2max
(ml/Kg/min) : 52
Tingkat Kebugaran : Baik Sekali
Tingkat Kebugaran : Baik Sekali
3 Umur : 20
Denyut Nadi : 100 BPM
Denyut Nadi : 100 BPM
Berat Badan : 47 Kg Berat Badan : 48 Kg
Intensitas Latihan : 7 kali/Minggu
Intensitas Latihan : 2 kali/Minggu
Nilai VO2max
(ml/Kg/min) : 61 Nilai VO2max
(ml/Kg/min) : 60
Tingkat Kebugaran : Sangat Tinggi
Tingkat Kebugaran : Sangat Tinggi
4 Umur : 21
Denyut Nadi : 88 BPM Denyut Nadi : 88 BPM
Berat Badan : 59,9 Kg Berat Badan : 60,3 Kg
Intensitas Latihan : 4 kali/Minggu
Intensitas Latihan : 3 kali/Minggu
Nilai VO2max
(ml/Kg/min) : 53 Nilai VO2max
(ml/Kg/min) : 53
Tingkat Kebugaran : Baik Sekali
Tingkat Kebugaran : Baik Sekali
5 Umur : 19
Denyut Nadi : 100 BPM
Denyut Nadi : 104 BPM
Berat Badan : 47 Kg Berat Badan : 47,3 Kg
Intensitas Latihan : 3 kali/Minggu
Intensitas Latihan : 2 kali/Minggu
Nilai VO2max
(ml/Kg/min) : 61 Nilai VO2max
(ml/Kg/min) : 60
Tingkat Kebugaran : Sangat Tinggi
Tingkat Kebugaran : Sangat Tinggi
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
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3407
Fakultas Ilmu Komputer, Universitas Brawijaya
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 β 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: 121β124.
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.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3408
Fakultas Ilmu Komputer, Universitas Brawijaya
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]