Capture
Oleh :
09011281419041
UNIVERSITAS SRIWIJAYA
2019
1
2
BAB I
PENDAHULUAN
cara menganalisa teknik latihan dan memberitahu Trainee teknik yang mereka
lakukan benar atau salah.
Pada aplikasi ini dibutuhkan data latih teknik pull-down yang benar, data
latih yang digunakan adalah data latih dari Trainer dan Bodybuilder yang telah lama
latihan mengangkat beban menggunakan alat lat pull-down dan di uji teknik latihan
nya berdasarkan artikel [2].
Parameter yang digunakan adalah sudut dari siku pada saat Trainee / Trainer
menarik palang besi kebawah sampai palang mencapai titik terbawah. Untuk
mendapatkan sudut siku, berdasarkan penelitian sebelumnya [4] [6] peneliti akan
menggunakan rumus Aturan Kosinus. Nilai yang digunakan untuk mendapatkan
sudut siku yaitu Panjang Ulna, Panjang Humerus, dan Panjang jarak antara
Pergelangan Tangan dan Bahu (Resultan). Untuk mendapatkan nilai panjang dari
tulang tangan dan resultan digunakanlah panjang pixel yang didapat dari Koordinat
Pergelangan Tangan ke Koordinat Siku (Ulna), Koordinat Siku ke Koordinat Bahu
(Humerus) dan dari Koordinat Bahu ke Koordinat Pergelangan Tangan (Resultan)
dari Trainee / Trainer yang direkam menggunakan Motion Capture, lalu di konversi
ke Cm dengan teknik kalibrasi menggunakan referensi objek didekat Trainee yang
telah diketahui panjangnya yaitu berupa palang besi alat lat pull-down. Metode
Motion Capture yang digunakan menggunakan Marker yang dipasang di bagian
anggota tubuh Trainee dan Trainer yang akan diambil data sudut siku nya.
Dengan ini penulis mengusung judul “Analisis Teknik Pull-down Fitness
menggunakan Motion Capture”, yang kedepannya semoga dapat bermanfaat bagi
Trainer dan Trainee di tempat Fitness agar meminimalisir terjadinya cedera yang
diakibatkan salah teknik latihan dan latihannya bisa lebih maksimal.
1.2 Tujuan
Adapun tujuan yang hendak dicapai dari riset ini adalah:
1. Mengetahui akurasi menghitung panjang anggota tubuh menggunakan
teknik kalibrasi dengan objek referensi yang sudah diketahui panjang
nya.
2. Mengimplementasikan dan merancang sistem analisa teknik latihan
angkat beban pull-down fitness yang benar berdasarkan sudut siku.
3
1.3 Manfaat
Adapun manfaat yang dapat diambil dari riset ini adalah:
1. Hasil dari penelitian ini dapat dimanfaatkan Trainer di tempat - tempat
fitness untuk membantu orang – orang yang masih awam latihan pull-
down untuk mendapatkan hasil latihan yang maksimal.
2. Meminimalisir terjadinya cedera dikarenakan melakukan teknik latihan
pull-down yang salah
8. Inputnya berupa gambar pada saat Trainee menarik palang sampai palang
mencapai titik terbawah
9. Outputnya adalah data sudut siku Trainee dan evaluasi teknik latihan
10. Cara/teknik latihan mengacu pada artikel [2]
2. Metode Konsultasi
Pada metode ini, peneliti melakukan konsultasi kepada orang-orang yang
dianggap memiliki pengetahuan dan wawasan terhadap permasalahan yang
ditemui saat pembuatan Tugas Akhir.
4. Metode Pengujian
Pada metode ini dilakukan pengujian / simulasi bagaimana sistem ini
bekerja yang dapat menunjang penulisan laporan ini
BAB I. PENDAHULUAN
Bab 4 ini menjelaskan hasil dari pengujian yang telah dilakukan selama
penelitian tugas akhir. Dan analisa hasil dari pengujian.
6
Bab 5 isi nya berupa kesimpulan akhir dari penelitian. Pada bab ini juga
ada saran yang diperlukan untuk pengembangan penelitian selanjutnya
dari pengujian dan analisis tugas akhir.
BAB II
TINJAUAN PUSTAKA
Olahraga adalah hal penting untuk kesehatan fisik dan kesehatan psikologis
manusia. Olahraga secara teratur mengurangi kemungkinan terkena penyakit
kronis, seperti penyakit jantung, diabetes, hipertensi, obesitas dan lain-lain[1].
Latihan angkat beban, yang merupakan bagian dari Latihan Aerobik adalah
komponen yang penting dalam program latihan yang seimbang[7].
Haas dan tim [6], melakukan penelitian ”Kinect based Physiotherapy system
for home use”. Di penelitian mereka, mereka membangun sebuah sistem yang
menggunakan sebuah kamera Kinect untuk mendeteksi gerakan anggota tubuh
/ekstremitas manusia. Untuk menentukan teknik latihan nya yang benar atau tidak
nya mereka menghitung panjang ekstremitas dan sudut antar sendi menggunakan
Aturan Kosinus.
Madanayake dan tim [4], di penelitian mereka juga menggunakan kamera
Kinect untuk mendeteksi pergerakan anggota tubuh manusia, mereka juga
menggunakan Aturan Kosinus untuk menentukan sudut tiap sendi tubuh, dan untuk
membandingkan teknik latihan nya yang benar atau tidak mereka membandingkan
data pola Trainee dan data pola Trainer menggunakan algoritma Dynamic Time
Warping.
7
8
• Citra Warna
Pada citra warna, masing-masing piksel memiliki warna nya sendiri, warna
tersebut terdiri dari merah (Red), hijau (Green), biru (Blue). Masing-masing
warna memiliki range 0-255, jadi gambar memiliki variasi warna sebanyak
2553 = 16.581.375 (16K). Gambar apapun cukup menggunakan variasi warna
ini. Citra warna terdiri dari 3 matriks diwakili nilai merah, hijau dan biru pada
setiap pikselnya, seperti yang ditunjukkan gambar 2.1
9
• Citra Grayscale
Citra grayscale setiap pikselnya mempunyai gradasi warna mulai dari putih
sampai hiyam. Setiap piksel dapat diwakili oleh 8 bit. Rentang warna pada citra
grayscale sangat cocok digunakan untuk pengolahan gambar. Citra grayscale
merupakan hasil rata-rata dari Citra Warna, karena hal tersebut persamaannya
bisa dituliskan sebagai berikut
Keterangan:
𝐼𝑅 (𝑥, 𝑦) = 𝑛𝑖𝑙𝑎𝑖 𝑝𝑖𝑘𝑠𝑒𝑙 𝑀𝑒𝑟𝑎ℎ 𝑡𝑖𝑡𝑖𝑘 (𝑥, 𝑦)
𝐼𝐺 (𝑥, 𝑦) = 𝑛𝑖𝑙𝑎𝑖 𝑝𝑖𝑘𝑠𝑒𝑙 𝐻𝑖𝑗𝑎𝑢 𝑡𝑖𝑡𝑖𝑘 (𝑥, 𝑦)
𝐼𝐵 (𝑥, 𝑦) = 𝑛𝑖𝑙𝑎𝑖 𝑝𝑖𝑘𝑠𝑒𝑙 𝐵𝑖𝑟𝑢 𝑡𝑖𝑡𝑖𝑘 (𝑥, 𝑦)
𝐼𝐵𝑊 (𝑥, 𝑦) = 𝑛𝑖𝑙𝑎𝑖 𝑝𝑖𝑘𝑠𝑒𝑙 𝐺𝑟𝑎𝑦𝑠𝑐𝑎𝑙𝑒 𝑡𝑖𝑡𝑖𝑘 (𝑥, 𝑦)
10
• Citra Biner
Pada citra biner setiap piksel nya hanya terdiri dari warna hitam dan putih
saja, citra biner ini sangat efisien dalam hal penyimpanan, karena hanya ada
dua warna pada setiap piksel, maka diperlukan hanya 1 bit per piksel yaitu 0
dan 1 atau jika menggunakan 8 bit 0 dan 255. Citra biner merupakan hasil
pengolahan dari Citra Grayscale, dengan menggunakan fungsi dibawah ini :
Keterangan :
𝐼𝐵𝑊 (𝑥, 𝑦) = 𝑛𝑖𝑙𝑎𝑖 𝑝𝑖𝑘𝑠𝑒𝑙 𝐺𝑟𝑎𝑦𝑠𝑐𝑎𝑙𝑒 𝑡𝑖𝑡𝑖𝑘 (𝑥, 𝑦)
𝐼𝐵𝑊 (𝑥, 𝑦) = 𝑛𝑖𝑙𝑎𝑖 𝑝𝑖𝑘𝑠𝑒𝑙 𝐵𝑖𝑛𝑎𝑟𝑦 𝑡𝑖𝑡𝑖𝑘 (𝑥, 𝑦)
𝑇 = 𝑛𝑖𝑙𝑎𝑖 𝑇ℎ𝑟𝑒𝑠ℎ𝑜𝑙𝑑
11
2.2.3 Thresholding
Thresholding biasa disebut juga sebagai proses binerisasi, merupakan salah
satu metode yang sering dipakai pada pengolahan citra digital. Thresholding
citra merupakan metode yang digunakan untuk memisahkan antara obyek dan
background nya. Thresholding merupakan teknik sederhana dan efektif tunuk
segmentasi citra. Operasi pengenalan objek dan ekstraksi ciri biasanya
menggunakan hasil dari Thresholding [12]
Fungsi dari sistem rangka adalah bergerak, memberikan bentuk dari tubuh,
menopang tubuh, melindungi organ dalam tubuh, dan tempat melekatnya otot-otot
tubuh.
Kerangka aksial merupakan kerangka yang disusun dari 80 tulang yang ada
di sepanjang sumbu tubuh manusia. Kerangka ini terdiri dari tengkorak, tulang
telinga tengah, tulang hyoid, tulang rusuk, and tulang belakang.
14
2.2.7 Pull-down
Pull-down adalah sebuah latihan beberapa persedian tubuh yang melibatkan
pergerakan bahu yang kompleks contoh : sendi glenohumeral, sendi
scapulothoracic dan siku tangan, dan di desain untuk menambahkan kapasitas otot
dari tubuh bagian atas / upper extremity dan bagian dada / torso. Latihan ini akan
memberikan keuntungan untuk atlit – atlit yang ingin meningkatkan kekuatan tubuh
bagian atas dan ketahanan. Memperkuat otot Latissimus dorsi dan Glenohumeral
akan menambah kemampuan individu untuk mentransfer gerakan antara Upper dan
lower extremities saat pergerakan seperti mengayun, melempar, dan mungkin
berlari. [2].
Hal-hal yang harus diperhatikan dan kesalahan yang biasa terjadi pada saat latihan
pull-down menggunakan alat lat pull-down dibagi menjadi 3 bagian yaitu:
1. Pada saat gerakan kebawah :
- Menghembuskan napas pada saat menarik palang kebawah dan
memposisikan palang kebagian depan tubuh sampai berada dibagian
dagu wajah
- Gerakan ini sebaiknya dilakukan selama 2 – 4 detik
3. Posisi tubuh :
-
Ketika dalam posisi duduk hanya boleh miring kebelakang sebesar 70o
– 80o
-
Usahakan posisi leher dan punggung dalam posisi netral pada saat
melakukan pull-down
-
Hindari mengangkat bahu bagian atas.
-
Pastikan untuk tidak memanfaatkan momentum pada saat menarik
palang kebawah.
17
𝑎2 +𝑏2 −𝑐 2
𝛽 = 𝑎𝑐𝑜𝑠( ) .................................... (5)
2𝑎𝑏
Keterangan :
a : Panjang Humerus (AB)
b : Panjang Ulna (BC)
c : Jarak antara bahu dan pergelangan tangan
2.2.11 OpenCV
OpenCV merupakan suatu library Open Source untuk berbagai program
salah satunya Computer Vision. OpenCV didesain untuk untuk berbagai aplikasi
salah satunya berbasis realtime, memiliki fungsi akuisisi yang baik dalam
menangkap suatu citra gambar ataupun citra video. OpenCV memiliki berbagai
fitur yang dapat digunakan yang diantara lain yaitu sebagai berikut.
- Manipulasi data citra
- Data struktur dinamis
- Citra dan video I/O
- Manipulasi matriks dan vector
- Pemroses citra fundamental(filtering, edge detection, corner detection,
etc.)
- Kalibrasi kamera (Calibrating patterns)
- Analisis gerakan(segmentation, tracking)
- Pengenalan objek (eigen-methods)
- Pelabelan citra (line, textdrawing)
3.1 Pendahuluan
Metodologi yang akan digunakan dalam penelitian ini dibagi menjadi dua
bagian, yaitu perancangan perangkat keras dan perancangan perangkat lunak. Pada
bagian perancangan perangkat lunak, perangkat lunak yang digunakan adalah
Microsoft Visual Studio dengan bahasa pemrograman C# sebagai pengolah data
yang akan menghasilkan data akhir untuk tugas akhir ini. Untuk perancangan
perangkat keras yang dipakai adalah cotton wristband sebagai marker. Kamera
digunakan untuk mengakuisisi citra objek kemudian diteruskan ke perangkat lunak
untuk masuk ke bagian pengolahan data. Marker digunakan untuk memberikan
identitas koordinat-koordinat agar dapat diolah perangkat lunak untuk membuat
pola.
19
20
digunakan adalah kamera DSLR Canon EOS 700D dengan resolusi 1920x1080
pixel. Objek yang digunakan sebagai objek referensi adalah palang besi alat lat pull-
down yang panjangnya 100 Cm. Untuk peletakan kamera yaitu di belakang Trainee
atau Trainer dengan jarak 320 Cm dan dengan menggunakan tripod yang tinggi nya
66 Cm. Posisi lensa kamera 90° menghadap subjek, dibuktikan dengan waterpass
yang ada pada tripod dan berhadapan lurus dengan Trainee atau Trainer.
𝑝𝑎𝑛𝑗𝑎𝑛𝑔 𝑝𝑖𝑥𝑒𝑙
𝑃𝑎𝑛𝑗𝑎𝑛𝑔 = 𝑝𝑖𝑥𝑒𝑙 𝑝𝑒𝑟 𝑐𝑚
.................................... (8)
Deklarasi :
x1, x2, y1, y2 ← double
x, y ← double
panjangpixel, ppm, hasil ← double
Deskripsi :
Input (x1, y1);
Input (x2, y2);
Input (ppm);
x ← math.pow(x1-x2);
y ←math.pow(y1-y2);
jarak antara Bahu dan Pergelangan tangan, Rumus 5 adalah Rumus Aturan Kosinus
yang digunakan:
𝑎2 +𝑏2 −𝑐 2
𝛽 = acos( ) ...................... (5)
2𝑎𝑏
Keterangan :
a = panjang Humerus
b = panjang Ulna
c = panjang jarak antara Bahu dan Pergelangan tangan
β = sudut siku
Deklarasi:
Deskripsi:
d ← (b * b) + (a * a) – (c *c);
hasil ← d / (2 * a * b );
print (sudut);
Cara mengambil gambar sama seperti yang dijelaskan pada sub bab 3.3.1.
Setelah itu gambar Trainer ini diambil data sudut sikunya menggunakan perangkat
lunak hitung sudut siku. s
BAB IV
HASIL DAN ANALISA
4.1 Pendahuluan
Pada bab ini berisi tentang pengujian terhadap sistem yang telah dibuat.
Pengujian dilakukan kepada setiap perancangan sistem yang telah dibuat seperti
yang dijabarkan pada bab III. Pengujian pada bab ini dilakukan untuk mengetahui
kekurangan dari sistem yang telah dibangun untuk penelitian yang akan datang.
Pengujian saat ini hanya menguji perhitungan panjang tulang tangan, panjang
resultan dan sudut siku yang dihitung oleh perangkat lunak.
Experimental Set-Up yang kedua pada saat pengambilan sudut Trainer yaitu :
Gambar 4.5 adalah gambar yang belum diberi tanda pada markernya
31
Sehingga membentuk pola seperti pada gambar 4.7 Lalu tulang tangan dan
resultan ini akan dihitung panjangnya dengan menggunakan perbandingan skala
pixel per cm. Pertama-tama dihitung dahulu panjang pixel menggunakan rumus
Euclidean Distance. Untuk menghitung panjang pixel dibutuhkan titik-titik
koordinat dari tulang tangan.
Tabel 1. Berisikan data koordinat dari tulang tangan yang sudah direkam
menggunakan perangkat lunak
Koordinat X Y
Bahu 144 173
Siku 322 186
Pergelangan tangan 478 194
Gambar 4.8 merupakan gambar yang berisi panjang pixel tulang tangan dan
resultan pada perangkat lunak.
Gambar 4.8 Panjang Pixel tulang tangan dan resultan pada software
Tabel 3. Merupakan panjang tulang tangan dan resultan yang telah dihitung
menggunakan perangkat lunak menghitung sudut siku.
No Objek Panjang
3 Resultan 52.1 Cm
35
𝛽 = 𝑐𝑜𝑠 −1 (−1)
𝛽 = 180
Gambar 4.10 merupakan hasil perhitungan sudut pada perangkat lunak
1. Pengujian 1
Gambar 4.12 menampilkan hasil dari pengujian sudut 180° di
Perangkat Lunak
2. Pengujian 2
Gambar 4.14 menampilkan hasil dari pengujian sudut 90° di
Perangkat Lunak
3. Pengujian 3
Gambar 4.16 menampilkan hasil dari pengujian sudut 55° di
Perangkat Lunak
No Tulang Panjang
1 Humerus 27 Cm
2 Ulna 25 Cm
Tabel 7. Merupakan sudut siku dan panjang resultan yang telah dihitung
Tabel 9. Hasil perbandingan selisih sudut siku pada perangkat lunak dan
pada sudut siku asli.
7 55° Di Dagu
8 55° Di Dagu
9 51° Di Dagu
10 54° Di Dagu
11 55° Di Dagu
43
12 53° Di Dagu
13 51° Di Dagu
14 59° Di Dagu
15 59° Di Dagu
16 58° Di Dagu
17 55° Di Dagu
18 55° Di Dagu
44
19 57° Di Dagu
20 59° Di Dagu
21 56 Di Dagu
22 55° Di Dagu
23 59° Di Dagu
24 59° Di Dagu
25 59° Di Dagu
45
26 60° Di Dagu
27 58° Di Dagu
28 59° Di Dagu
29 55° Di Dagu
Berdasarkan data pada tabel 10, dihitunglah nilai standar deviasi sudut siku
Trainer :
𝑋𝑖 = 1933.58
𝑋𝑖
x̄ =
n
1933.58
x̄ =
34
x̄ = 56.87
47
1617.23
𝑠=√
33
𝑠=7
Keterangan :
Xi : Jumlah Total Sudut
X̄ : Mean
n : Jumlah Data
Setelah mendapatkan nilai standar deviasi, Gambar 4.17 adalah grafik
distribusi normalnya.
48
Nilai sudut siku yang benar saat melakukan pull-down, menurut grafik
distribusi normal adalah 56.87° ± 7°
1 Melewati Benar
Dagu
49
2 Di Dagu Benar
3 Tidak Salah
Melewati
Dagu
4 Melewati Benar
Dagu
50
5 Di Dagu Benar
6 Tidak Salah
Melewati
Dagu
7 Melewati Benar
Dagu
51
8 Di Dagu Benar
9 Tidak Benar
Melewati
Dagu
Nilai akurasi yang didapat dari pengujian diatas adalah sebesar 77%.
Terdapat nilai error sebesar 33%, itu disebabkan karena posisi pegangan tangan
Trainee terlalu melebar pada saat melakukan gerakan kebawah.
Dalam metode ini hanya menggunakan sumbu x dan sumbu y saja, yang
berarti kemungkinan yang terjadi pada marker dalam masuk dalam sumbu z
diabaikan dalam perhitungan data, oleh karena itu harus berhati hati dalam
melakukan pergerakan agar perhitungan data menjadi lebih baik lagi
52
BAB V
KESIMPULAN DAN SARAN
5.1 KESIMPULAN
Setelah dilakukan pengujian dan analisa terhadap menghitung sudut siku
pada manusia menggunakan objek referensi, maka didapat kesimpulan sementara
sebagai berikut :
5.2 SARAN
[2] R. Snarr and R. Eckert, “A Comparative Analysis and Technique of the Lat
Pull-down,” 2015.
53
Multiple Depth Cameras,” 2016.