Prediksi Kalori Terbakar pada Olahraga Sepeda Statis Menggunakan Convolutional Neural Network

Jevon, Farel (2023) Prediksi Kalori Terbakar pada Olahraga Sepeda Statis Menggunakan Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211940000054-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (13MB) | Request a copy

Abstract

Olahraga sepeda statis merupakan salah satu olahraga yang popular di kalangan penggemar olahraga. Berolahraga secara rutin dibutuhkan untuk mencapai suatu kebugaran, dan berolahraga akan lebih memuaskan apabila dapat mengetahui hasil setelah olahraga seperti jarak tempuh, waktu yang dihabiskan saat berolahraga dan kalori yang terbakar. Kalori adalah unit energi yang terkandung dalam makanan dan minuman, dan sangat penting dalam mengatur berat badan seseorang. Jumlah kalori yang digunakan oleh tubuh melalui aktivitas fisik harus seimbang dengan jumlah kalori yang dikonsumsi agar terhindari dari berbagai penyakit kronis seperti diabetes dan penyakit kardiovaskular. Menghitung pembakaran kalori dibutuhkan untuk orang yang mencoba menurunkan berat badan dan menghindari penyakit kardiovaskular. Penelitian ini bertujuan untuk membuat program dengan model Convolutional Neural Network (CNN) yang dapat mendeteksi kayuhan sepeda yang didapatkan dari data video, kemudian mendapatkan nilai pembakaran kalorinya dari jumlah kayuhan yang terdeteksi model CNN berdasarkan rumus fungsi regresi linear yang didapatkan dari pengumpulan data antara kayuhan sepeda dengan kalori di kalorimeter pada sepeda statis. Pada penelitian ini dilakukan 3 pengujian, yaitu pengujian prediksi kalori, pengujian epoch dan pengujian jarak. Hasil dari pengujian prediksi kalori yang dilakukan dengan regresi linear didapatkan nilai eror sebesar 5.80% dan akurasi 94.20%. Hasil dari pengujian prediksi kalori yang dilakukan dengan rumus MET didapatkan nilai eror sebesar 21.14% dan akurasi 78.86%. Pada pengujian epoch menggunakan regresi linear terhadap kalorimeter didapatkan nilai akurasi tertinggi pada epoch ke-3 dengan nilai akurasi sebesar 98.89%. Pada pengujian epoch menggunakan rumus MET terhadap kalorimeter didapatkan nilai akurasi tertinggi pada epoch ke-13 dengan nilai akurasi sebesar 89.01%. Pada pengujian jarak terhadap kalorimeter menggunakan regresi linear didapatkan nilai akurasi tertinggi pada jarak 1.8 meter saat pengambilan video dengan nilai akurasi sebesar 96.27%. Pada pengujian jarak terhadap kalorimeter menggunakan rumus MET didapatkan nilai akurasi tertinggi pada jarak 2.5 meter saat pengambilan video dengan nilai akurasi sebesar 78.16%.
=====================================================================================================================================
Stationary bike exercise is one of the most popular exercise in the circle of sportsmen and athletes. Exercising regularly is needed to reach some point of fitness, and exercising will be more satisfying if the results after their workout is such as the distance traveled, times spent, and calories burned. Calorie is a unit of energy, contained within foods and beverages, and is a very important aspect of maintaining one’s body mass. The amount of calories needed by the human body in physical activities must be balanced with the amount consumed to prevent chronic diseases such as diabetes and cardiovascular diseases. Calculating the amount of calories burned is needed for people who wanted to lose weight and prevents cardiovascular diseases. The aim of this research is to make a program utilizing Convolutional Neural Network (CNN) to detect the pedalling of the bike, acquired from video data capture, and convert the number of pedals detected by the CNN model into the amount of calories burned using linear regression function, made by collecting the data of number of pedals and the corresponding amount of calories burned according to the caloriemeter on the stationary bike. There is 3 testing done during this research, which is calorie prediction testing, epoch testing and distance testing. The result of the calorie prediction testing using linear regression on the amount of calories burned is a 5.80% error and 94.20% accuracy. The result of the calorie prediction testing using MET formula on the amount of calories burned is a 21.14% error and 78.86% accuracy. The result of the epoch testing using linear regression on the amount of calories burned is that the highest accuracy is on the 3rd epoch, with the accuracy of 98.89%. The result of the epoch testing using MET formula on the amount of calories burned is that the highest accuracy is on the 13th epoch, with the accuracy of 89.01%. The result of the distance testing using linear regression on the amount of calories burned is the highest accuracy is on 1.8 meters distance of video taken, with the accuracy of 96.27%. The result of the distance testing using linear regression on the amount of calories burned is the highest accuracy is on 2.5 meters distance of video taken, with the accuracy of 78.16%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	CNN, Sepeda statis, Pembakaran kalori; Stationary Bike, Calories Burned
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Farel Jevon
Date Deposited:	31 Aug 2023 01:59
Last Modified:	31 Aug 2023 01:59
URI:	http://repository.its.ac.id/id/eprint/101656

Actions (login required)

View Item