RUN-IO: APLIKASI UNTUK REKOMENDASI LATIHAN PELARI MENGGUNAKAN RANDOM FOREST - Dalam bentuk buku karya ilmiah
JOSEY ALEXANDER TAKESAN

Informasi Umum

Kode

25.04.2821

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

173 kali

Informasi Lainnya

Abstraksi

Meningkatnya popularitas olahraga lari diiringi dengan tingginya risiko cedera atau <i>running related injuries</i> (RRIs) dimana seringkali kebingungan dalam menentukan program latihan yang aman dan sesuai dengan kemampuan individu. Penelitian ini bertujuan merancang, membangun, dan mengevaluasi RUN-IO, sebuah aplikasi <i>mobile</i> yang memberikan rekomendasi latihan lari yang dipersonalisasi untuk meminimalkan risiko tersebut. Menggunakan algoritma <i>Random Forest Regressor</i>, aplikasi memproses data pengguna (usia, tinggi, berat, jenis kelamin) untuk memprediksi tiga parameter kunci: Kecepatan, Waktu, dan Jarak Lari. Model dilatih menggunakan dataset "<i>Running Calorie Burn</i>" dari <i>Kaggle</i> dan dievaluasi kinerjanya dengan metrik <i>Mean Absolute Error</i> (MAE) dan <i>R-Squared</i> (R&sup2;). Hasil evaluasi menunjukkan bahwa model prediksi memenuhi kriteria kelayakan implementasi. Model <i>Running Speed</i> menunjukkan performa paling unggul dengan nilai R&sup2; mencapai 0.8990 dan MAE 0.56 km/jam. Pengujian fungsional aplikasi dan evaluasi antarmuka oleh pengguna menunjukkan aplikasi dinilai sangat baik. Penelitian ini berhasil mengimplementasikan <i>model machine learning</i> yang valid ke dalam aplikasi RUN-IO yang fungsional, menyediakan alat bantu praktis bagi pelari untuk berlatih secara lebih aman dan terukur agar dapat menghindari cedera.

• CBK3GAB3 - Aplikasi Perangkat Bergerak
• ITC41H3 - PEMBELAJARAN MESIN
• CBK4BAA4 - Tugas Akhir

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook