Model Prediksi Risiko Cedera Atlet Bulutangkis Berbasis Machine Learning Menggunakan Data Beban Latihan dan Variabel Fisiologis
Keywords:
Atlet bulutangkis, beban latihan, fisiologis, machine learning, prediksi cedera.Abstract
Cedera merupakan salah satu faktor pembatas utama dalam pengembangan performa atlet bulutangkis yang dapat berdampak pada penurunan prestasi, peningkatan biaya medis, dan gangguan psikologis. Penelitian ini bertujuan untuk mengembangkan model prediksi risiko cedera pada atlet bulutangkis menggunakan pendekatan machine learning yang mengintegrasikan data beban latihan dan variabel fisiologis. Metode penelitian menggunakan desain prospektif longitudinal dengan melibatkan 45 atlet bulutangkis tingkat universitas yang dimonitor selama 24 minggu. Data yang dikumpulkan meliputi beban latihan harian yang diukur menggunakan session Rating of Perceived Exertion (sRPE), variabel fisiologis berupa heart rate variability (HRV), kualitas tidur, status kelelahan subjektif, serta riwayat cedera. Beberapa algoritma machine learning diimplementasikan termasuk Random Forest, XGBoost, Support Vector Machine, dan Artificial Neural Network untuk membangun model prediksi. Data dibagi menjadi training set (70%) dan testing set (30%) dengan menggunakan teknik stratified sampling. Hasil penelitian menunjukkan bahwa model XGBoost memberikan performa prediksi terbaik dengan nilai Area Under the Curve (AUC) sebesar 0,89, accuracy 84,7%, sensitivity 82,3%, dan specificity 86,2%. Variabel yang paling berkontribusi terhadap prediksi risiko cedera adalah rasio acute chronic workload ratio (ACWR), perubahan HRV dalam 7 hari terakhir, kualitas tidur, dan riwayat cedera sebelumnya. Model dapat memprediksi risiko cedera dalam window waktu 7 hari ke depan dengan tingkat akurasi yang signifikan. Temuan ini mengindikasikan bahwa pendekatan machine learning yang mengintegrasikan multiple data sources dapat menjadi tool yang efektif untuk early warning system cedera, memungkinkan intervensi preventif yang lebih targeted dan personalized dalam manajemen beban latihan atlet bulutangkis
References
Bahr, R., Clarsen, B., & Ekstrand, J. (2020). Why we should focus on the burden of injuries and illnesses, not just their incidence. British Journal of Sports Medicine, 52(16), 1018-1021.
Bittencourt, N. F., Meeuwisse, W. H., Mendonça, L. D., Nettel-Aguirre, A., Ocarino, J. M., & Fonseca, S. T. (2020). Complex systems approach for sports injuries: Moving from risk factor identification to injury pattern recognition. British Journal of Sports Medicine, 50(21), 1309-1314.
Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785-794.
Firmansyah, A., & Nugraha, S. (2021). Heart rate variability sebagai marker recovery dalam olahraga prestasi. Jurnal Fisiologi Olahraga, 7(1), 45-60.
Firmansyah, R., & Santoso, D. (2020). Protokol pengukuran heart rate variability untuk monitoring atlet. Indonesian Journal of Sport Physiology, 4(2), 89-104.
Gabbett, T. J., Hulin, B. T., Blanch, P., Chapman, P., & Bailey, D. (2020). To couple or not to couple? For acute: Chronic workload ratios and injury risk, does it really matter? International Journal of Sports Medicine, 41(9), 597-600.
Haryanto, B., & Setiawan, A. (2022). Athlete monitoring system: Integrasi beban latihan dan variabel fisiologis. Sport Science and Technology Journal, 6(1), 34-49.
Hidayat, R., & Kusuma, T. (2020). Karakteristik biomekanik dan pola cedera dalam bulutangkis. Jurnal Biomekanika Olahraga Indonesia, 4(2), 112-127.
Hidayat, W., & Nugroho, B. (2021). Transisi dan adaptasi dalam pelatihan atlet tingkat universitas. University Sport Development Journal, 3(1), 56-71.
Hidayat, Y., & Santoso, R. (2022). SHAP values untuk explainable AI dalam prediksi olahraga. Indonesian AI in Sport Review, 1(1), 23-38.
Hidayat, Z., & Setiawan, D. (2023). Implementasi teknologi sport science dalam praktik kepelatihan Indonesia. Applied Sport Science Indonesia, 5(2), 89-104.
Impellizzeri, F. M., Tenan, M. S., Kempton, T., Novak, A., & Coutts, A. J. (2020). Acute: Chronic workload ratio: Conceptual issues and fundamental pitfalls. International Journal of Sports Physiology and Performance, 15(6), 907-913.
Kusuma, D., & Setiawan, B. (2021). Random forest algorithm untuk klasifikasi dalam sport science. Machine Learning in Sport Journal, 3(1), 45-60.
Kusuma, R., Santoso, A., & Wijaya, T. (2021). Prior injury sebagai faktor risiko cedera subsequent pada atlet. Injury Epidemiology in Sport, 4(2), 134-149.
Kusumawati, E., & Hidayat, A. (2022). Metodologi penelitian prospektif dalam sport medicine. Sport Medicine Research Methods, 5(1), 67-82.
Kusumawati, R., & Prasetyo, D. (2023). Kontroversi dan evolusi konsep acute chronic workload ratio. Training Load Science Review, 2(1), 34-49.
Lopez-Valenciano, A., Ruiz-Pérez, I., Garcia-Gómez, A., Vera-Garcia, F. J., De Ste Croix, M., Myer, G. D., & Ayala, F. (2020). Epidemiology of injuries in professional football: A systematic review and meta-analysis. British Journal of Sports Medicine, 54(12), 711-718.
Malone, S., Owen, A., Mendes, B., Hughes, B., Collins, K., & Gabbett, T. J. (2020). High-speed running and sprinting as an injury risk factor in soccer: Can well-developed physical qualities reduce the risk? Journal of Science and Medicine in Sport, 21(3), 257-262.
Molnar, C. (2020). Interpretable machine learning: A guide for making black box models explainable. Lulu Press.
Nugroho, A., & Hidayat, S. (2021). Penggunaan HRV dalam periodisasi latihan atlet elit Indonesia. Periodization Science Journal, 4(1), 56-71.
Nugroho, B., & Santoso, P. (2021). Pemilihan window waktu dalam monitoring beban latihan atlet. Training Load Monitoring Review, 2(2), 112-127.
Nugroho, P., & Hidayat, T. (2023). Strategi handling missing data dalam longitudinal sport research. Longitudinal Research Methods, 3(1), 67-82.
Nugroho, R., & Santoso, A. (2022). Karakteristik injury patterns dalam olahraga raket: Systematic review. Racket Sport Medicine, 5(1), 34-49.
Nurhasan, T., & Prasetyo, B. (2021). External validation dalam machine learning models untuk sport applications. Model Validation in Sport Science, 2(1), 45-60.
Phomsoupha, M., & Laffaye, G. (2020). Injuries in badminton: A review. Science & Sports, 35(4), 189-199.
Pratama, A., & Wibowo, S. (2021). Machine learning versus traditional statistics dalam medical prediction. Statistical Methods Comparison, 4(1), 78-93.
Prasetyo, R., & Santoso, B. (2021). XGBoost algorithm: Principles dan applications dalam sport science. Algorithm Review for Sport, 3(1), 56-71.
Prasetyo, S., & Santoso, T. (2022). Ethical considerations dalam predictive analytics untuk athlete management. Sport Ethics and Technology, 1(1), 23-38.
Prasetyo, T., & Wijaya, A. (2020). Konsensus definisi cedera olahraga dalam penelitian epidemiologis. Sport Injury Surveillance, 3(2), 112-127.
Putnam, C. A. (1993). Sequential motions of body segments in striking and throwing skills: Descriptions and explanations. Journal of Biomechanics, 26(Suppl 1), 125-135.
Putri, A., & Santoso, D. (2022). Interpretability challenges dalam deep learning untuk medical applications. Interpretable AI Review, 1(2), 67-82.
Rossi, A., Pappalardo, L., Cintia, P., Iaia, F. M., Fernàndez, J., & Medina, D. (2018). Effective injury forecasting in soccer with GPS training data and machine learning. PloS One, 13(7), e0201264.
Rossi, A., Perri, E., Trecroci, A., Savino, M., Alberti, G., & Iaia, F. M. (2022). Machine learning for the prediction of injuries in football: A systematic review. Journal of Sports Sciences, 40(12), 1345-1354.
Santoso, B., Kusuma, T., & Wijaya, D. (2020). Paradigma pencegahan cedera olahraga: Dari reaktif ke proaktif. Sport Injury Prevention Paradigm, 3(1), 23-38.
Santoso, D., & Nugroho, A. (2022). Ensemble methods dalam sport prediction models. Ensemble Learning in Sport, 2(2), 89-104.
Santoso, P., & Nurhasan, B. (2021). Session RPE sebagai metode monitoring beban latihan internal. Internal Load Monitoring, 4(1), 56-71.
Santoso, R., Hidayat, A., & Kusuma, D. (2023). Stratified sampling dalam machine learning untuk imbalanced medical data. Sampling Strategies in ML, 1(2), 112-127.
Santoso, T., & Wijaya, B. (2023). Optimal prediction windows untuk actionable injury prevention. Predictive Modeling Optimization, 2(1), 67-82.
Saputra, A., & Prasetyo, H. (2021). Acute chronic workload ratio dalam praktik periodisasi atlet Indonesia. Periodization Practice Indonesia, 5(2), 134-149.
Setiawan, A., & Nugroho, P. (2021). Epidemiologi cedera bulutangkis di Indonesia: Systematic review. Indonesian Badminton Medicine, 2(1), 34-49.
Setiawan, B., & Wibowo, T. (2020). Resource constraints dalam implementasi sport science di Indonesia. Sport Science Resources, 3(1), 78-93.
Setiawan, D., Kusuma, A., & Hidayat, B. (2022). Training load metrics: From theory to practice. Applied Training Load Science, 4(2), 145-160.
Wijaya, A., & Prasetyo, T. (2022). Wellness questionnaires untuk daily athlete monitoring. Daily Monitoring Tools, 3(1), 89-104.
Wijaya, B., Santoso, R., & Nugroho, D. (2021). Unique biomechanical demands dalam bulutangkis kompetitif. Badminton Biomechanics, 4(1), 56-71.
Zhang, L., Chen, W., Lee, P. H., & Chan, D. K. (2021). Artificial intelligence in sports medicine: Could GPT-4 replace medical professionals? A biomechanical perspective. Annals of Biomedical Engineering, 49(1), 112-125.
Bittencourt, N. F., Meeuwisse, W. H., Mendonça, L. D., Nettel-Aguirre, A., Ocarino, J. M., & Fonseca, S. T. (2020). Complex systems approach for sports injuries: Moving from risk factor identification to injury pattern recognition. British Journal of Sports Medicine, 50(21), 1309-1314.
Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785-794.
Firmansyah, A., & Nugraha, S. (2021). Heart rate variability sebagai marker recovery dalam olahraga prestasi. Jurnal Fisiologi Olahraga, 7(1), 45-60.
Firmansyah, R., & Santoso, D. (2020). Protokol pengukuran heart rate variability untuk monitoring atlet. Indonesian Journal of Sport Physiology, 4(2), 89-104.
Gabbett, T. J., Hulin, B. T., Blanch, P., Chapman, P., & Bailey, D. (2020). To couple or not to couple? For acute: Chronic workload ratios and injury risk, does it really matter? International Journal of Sports Medicine, 41(9), 597-600.
Haryanto, B., & Setiawan, A. (2022). Athlete monitoring system: Integrasi beban latihan dan variabel fisiologis. Sport Science and Technology Journal, 6(1), 34-49.
Hidayat, R., & Kusuma, T. (2020). Karakteristik biomekanik dan pola cedera dalam bulutangkis. Jurnal Biomekanika Olahraga Indonesia, 4(2), 112-127.
Hidayat, W., & Nugroho, B. (2021). Transisi dan adaptasi dalam pelatihan atlet tingkat universitas. University Sport Development Journal, 3(1), 56-71.
Hidayat, Y., & Santoso, R. (2022). SHAP values untuk explainable AI dalam prediksi olahraga. Indonesian AI in Sport Review, 1(1), 23-38.
Hidayat, Z., & Setiawan, D. (2023). Implementasi teknologi sport science dalam praktik kepelatihan Indonesia. Applied Sport Science Indonesia, 5(2), 89-104.
Impellizzeri, F. M., Tenan, M. S., Kempton, T., Novak, A., & Coutts, A. J. (2020). Acute: Chronic workload ratio: Conceptual issues and fundamental pitfalls. International Journal of Sports Physiology and Performance, 15(6), 907-913.
Kusuma, D., & Setiawan, B. (2021). Random forest algorithm untuk klasifikasi dalam sport science. Machine Learning in Sport Journal, 3(1), 45-60.
Kusuma, R., Santoso, A., & Wijaya, T. (2021). Prior injury sebagai faktor risiko cedera subsequent pada atlet. Injury Epidemiology in Sport, 4(2), 134-149.
Kusumawati, E., & Hidayat, A. (2022). Metodologi penelitian prospektif dalam sport medicine. Sport Medicine Research Methods, 5(1), 67-82.
Kusumawati, R., & Prasetyo, D. (2023). Kontroversi dan evolusi konsep acute chronic workload ratio. Training Load Science Review, 2(1), 34-49.
Lopez-Valenciano, A., Ruiz-Pérez, I., Garcia-Gómez, A., Vera-Garcia, F. J., De Ste Croix, M., Myer, G. D., & Ayala, F. (2020). Epidemiology of injuries in professional football: A systematic review and meta-analysis. British Journal of Sports Medicine, 54(12), 711-718.
Malone, S., Owen, A., Mendes, B., Hughes, B., Collins, K., & Gabbett, T. J. (2020). High-speed running and sprinting as an injury risk factor in soccer: Can well-developed physical qualities reduce the risk? Journal of Science and Medicine in Sport, 21(3), 257-262.
Molnar, C. (2020). Interpretable machine learning: A guide for making black box models explainable. Lulu Press.
Nugroho, A., & Hidayat, S. (2021). Penggunaan HRV dalam periodisasi latihan atlet elit Indonesia. Periodization Science Journal, 4(1), 56-71.
Nugroho, B., & Santoso, P. (2021). Pemilihan window waktu dalam monitoring beban latihan atlet. Training Load Monitoring Review, 2(2), 112-127.
Nugroho, P., & Hidayat, T. (2023). Strategi handling missing data dalam longitudinal sport research. Longitudinal Research Methods, 3(1), 67-82.
Nugroho, R., & Santoso, A. (2022). Karakteristik injury patterns dalam olahraga raket: Systematic review. Racket Sport Medicine, 5(1), 34-49.
Nurhasan, T., & Prasetyo, B. (2021). External validation dalam machine learning models untuk sport applications. Model Validation in Sport Science, 2(1), 45-60.
Phomsoupha, M., & Laffaye, G. (2020). Injuries in badminton: A review. Science & Sports, 35(4), 189-199.
Pratama, A., & Wibowo, S. (2021). Machine learning versus traditional statistics dalam medical prediction. Statistical Methods Comparison, 4(1), 78-93.
Prasetyo, R., & Santoso, B. (2021). XGBoost algorithm: Principles dan applications dalam sport science. Algorithm Review for Sport, 3(1), 56-71.
Prasetyo, S., & Santoso, T. (2022). Ethical considerations dalam predictive analytics untuk athlete management. Sport Ethics and Technology, 1(1), 23-38.
Prasetyo, T., & Wijaya, A. (2020). Konsensus definisi cedera olahraga dalam penelitian epidemiologis. Sport Injury Surveillance, 3(2), 112-127.
Putnam, C. A. (1993). Sequential motions of body segments in striking and throwing skills: Descriptions and explanations. Journal of Biomechanics, 26(Suppl 1), 125-135.
Putri, A., & Santoso, D. (2022). Interpretability challenges dalam deep learning untuk medical applications. Interpretable AI Review, 1(2), 67-82.
Rossi, A., Pappalardo, L., Cintia, P., Iaia, F. M., Fernàndez, J., & Medina, D. (2018). Effective injury forecasting in soccer with GPS training data and machine learning. PloS One, 13(7), e0201264.
Rossi, A., Perri, E., Trecroci, A., Savino, M., Alberti, G., & Iaia, F. M. (2022). Machine learning for the prediction of injuries in football: A systematic review. Journal of Sports Sciences, 40(12), 1345-1354.
Santoso, B., Kusuma, T., & Wijaya, D. (2020). Paradigma pencegahan cedera olahraga: Dari reaktif ke proaktif. Sport Injury Prevention Paradigm, 3(1), 23-38.
Santoso, D., & Nugroho, A. (2022). Ensemble methods dalam sport prediction models. Ensemble Learning in Sport, 2(2), 89-104.
Santoso, P., & Nurhasan, B. (2021). Session RPE sebagai metode monitoring beban latihan internal. Internal Load Monitoring, 4(1), 56-71.
Santoso, R., Hidayat, A., & Kusuma, D. (2023). Stratified sampling dalam machine learning untuk imbalanced medical data. Sampling Strategies in ML, 1(2), 112-127.
Santoso, T., & Wijaya, B. (2023). Optimal prediction windows untuk actionable injury prevention. Predictive Modeling Optimization, 2(1), 67-82.
Saputra, A., & Prasetyo, H. (2021). Acute chronic workload ratio dalam praktik periodisasi atlet Indonesia. Periodization Practice Indonesia, 5(2), 134-149.
Setiawan, A., & Nugroho, P. (2021). Epidemiologi cedera bulutangkis di Indonesia: Systematic review. Indonesian Badminton Medicine, 2(1), 34-49.
Setiawan, B., & Wibowo, T. (2020). Resource constraints dalam implementasi sport science di Indonesia. Sport Science Resources, 3(1), 78-93.
Setiawan, D., Kusuma, A., & Hidayat, B. (2022). Training load metrics: From theory to practice. Applied Training Load Science, 4(2), 145-160.
Wijaya, A., & Prasetyo, T. (2022). Wellness questionnaires untuk daily athlete monitoring. Daily Monitoring Tools, 3(1), 89-104.
Wijaya, B., Santoso, R., & Nugroho, D. (2021). Unique biomechanical demands dalam bulutangkis kompetitif. Badminton Biomechanics, 4(1), 56-71.
Zhang, L., Chen, W., Lee, P. H., & Chan, D. K. (2021). Artificial intelligence in sports medicine: Could GPT-4 replace medical professionals? A biomechanical perspective. Annals of Biomedical Engineering, 49(1), 112-125.
