Prediksi Jumlah Kalori Yang Terbakar Saat Berolahraga Dengan Treadmill Berbasis Kamera Menggunakan Convolutional Neural Network

Fajri, Dimas Aditya Maulana (2023) Prediksi Jumlah Kalori Yang Terbakar Saat Berolahraga Dengan Treadmill Berbasis Kamera Menggunakan Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211940000012-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 3 October 2025. Download (25MB) | Request a copy

Abstract

Obesitas merupakan keadaan dimana terdapat penumpukan lemak pada tubuh seseorang yang menyebabkan berat badan berada pada nilai di atas normal. Ketidak seimbangan kalori yang dikonsumsi dan yang digunakan menyebabkan kelebihan berat badan. Salah satu aktivitas yang bisa mengurangi kelebihan berat badan adalah dengan olahraga yang memiliki kualitas aktivitas yang baik. Olahraga pada treadmill merupakan salah satu aktivitas yang dapat dilakukan dan melakukan pengukuran kalori yang terbakar. Namun perhitungan kalori pada treadmill masih bergantung pada masing-masing alat. Penelitian ini membuat sistem yang dapat memprediksi kalori yang terbakar saat olahraga pada treadmill menggunakan citra video dengan kamera. Metode yang digunakan dengan menggunakan data video yang kemudian diestimasi pose untuk postur tubuh. Ekstrak hasil estimasi dilanjutkan untuk klasifikasi menggunakan Convolutional Neural Network (CNN). Hasil deteksi berupa banyak langkah dan waktu untuk dilakukan prediksi kalori. Prediksi menggunakan regresi linear dan perhitungan dengan Metabolic Equivalent of Task (MET). Hasil pengujian yang dilakukan mendapatkan hasil pengujian deteksi langkah dengan akurasi 96,14% dan dengan realtime akurasi 81,35%. Hasil pengujian prediksi kalori menggunakan regresi dengan akurasi 80,93% dan dengan realtime akurasi 67,05%. Sedangkan pengujian prediksi kalori menggunakan perhitungan MET dengan akurasi 57,49% dan dengan realtime akurasi 46,64%.
=============================================================================================================================
Obesity is a condition where there is accumulation of fat in a person's body which causes the body weight to be above normal. Imbalance of calories consumed and used causes excess weight. One of the activities that can reduce excess weight is exercise that has good quality activities. Exercising on a treadmill is one of the activities that can be carried out and measures the calories burned. However, the calculation of calories on a treadmill still depends on each tool. This research creates a system that can predict calories burned while exercising on a treadmill using video images with a camera. The method used is by using video data which is then estimated for poses for body postures. The estimation result extract is continued for classification using a Convolutional Neural Network (CNN). The results of the detection are in the form of many steps and time for calorie prediction. Predictions using linear regression and calculations with the Metabolic Equivalent of Task (MET). The results of the tests carried out obtained step detection test results with an accuracy of 96.14% and with a realtime accuracy of 81.35%. The results of the calorie prediction test used regression with an accuracy of 80.93% and an accuracy of 67.05% in real time. While the calorie prediction test uses a formula calculation with an accuracy of 57.49% and with a realtime accuracy of 46.64%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Obesitas, Kalori, Deteksi, Prediksi, Video, Obesity, Calories, Detection, Prediction, Video.
Subjects:	R Medicine > R Medicine (General) > R858 Deep Learning T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques T Technology > TA Engineering (General). Civil engineering (General) > TA1650 Face recognition. Optical pattern recognition. T Technology > TJ Mechanical engineering and machinery > TJ1185 Metal-cutting--Problems, exercises, etc.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Dimas Aditya Maulana Fajri
Date Deposited:	03 Aug 2023 06:23
Last Modified:	03 Aug 2023 06:23
URI:	http://repository.its.ac.id/id/eprint/101480

Actions (login required)

View Item