Surabaya (pilar.id) – Kehidupan seorang atlet sering kali diwarnai oleh tingkat stres yang tinggi akibat jadwal latihan yang padat. Ini berlaku tidak hanya untuk atlet cabang olahraga fisik, tetapi juga untuk atlet e-sport yang menghabiskan banyak waktu di depan layar komputer.
Stres dapat memiliki dampak serius pada kesehatan fisik dan mental atlet. Untuk mengatasi masalah ini, lima mahasiswa dari Universitas Airlangga (Unair) telah mengembangkan sebuah alat yang dapat membantu mendeteksi tingkat stres pada atlet. Proyek ini merupakan bagian dari Program Kreativitas Mahasiswa (PKM) mereka.
Kelima mahasiswa ini terdiri dari Aisy Al Fawwaz sebagai ketua tim, Revita Novianti Putri, Richa Varyan, Sayyidul Istighfar Ittaqillah, dan Angeline Shane. Mereka bersama-sama mengembangkan alat pendeteksi stres untuk atlet e-sport yang dinamakan Starstec: Smart Bracelet Stress Detection.
Aisy menjelaskan bahwa alat pendeteksi stres ini menggunakan deep learning. Tujuannya adalah mendeteksi stres dengan cara yang fleksibel, akurat, non-invasif, dan real-time.
Deep learning adalah metode kecerdasan buatan yang memanfaatkan komputer untuk memproses data. “Model deep learning mampu mengenali pola kompleks dalam gambar, teks, suara, dan data lainnya untuk memberikan prediksi yang akurat,” tambahnya.
Penelitian ini sebenarnya merupakan pengembangan dari penelitian sebelumnya oleh Zontone et al. (2019) yang menggunakan kombinasi metode ECG dan EDA untuk mendeteksi stres pada pengemudi mobil.
Hasil penelitian Zontone menunjukkan akurasi deteksi yang baik, namun metodenya melibatkan pemasangan elektroda di dada dan tangan pengemudi. Hal ini kurang praktis untuk atlet e-sport saat berkompetisi.
Oleh karena itu, kelompok mahasiswa ini memutuskan untuk mengembangkan alat dalam bentuk gelang agar lebih praktis. Mereka berpendapat bahwa gelang lebih efisien karena sensor yang paling efektif berada di tangan manusia.
Aisy berharap Starstec dapat meningkatkan kualitas permainan atlet e-sport sambil meningkatkan kesadaran tentang stres di kalangan atlet. Ia juga mencatat bahwa prototipe yang mereka kembangkan dapat diterapkan pada cabang olahraga lain, seperti catur.
“Penggunaan Starstec lebih direkomendasikan untuk cabang olahraga di mana atlet tidak melakukan banyak gerakan, karena pengambilan data akan menjadi kurang akurat jika ada banyak gerakan,” tambahnya.
Sebagai penutup, Aisy mengungkapkan harapannya untuk pengembangan Starstec di masa depan. Ia berterima kasih kepada dosen pembimbing mereka, Ibu Osmalina Rahma ST MSi, yang telah membantu mereka sampai sejauh ini.
“Kami berharap dapat terus mengembangkan fitur-fitur Starstec, baik pada gelang maupun aplikasinya, sehingga pengguna dapat lebih mudah menggunakannya dan memantau tingkat stres dengan lebih baik,” pungkasnya. (ted)
