PEMBELAJARAN DETEKSI CARPAL TUNNEL SYNDROME BERBASIS INTERNET OF THINGS DENGAN SENSOR ELEKTROMIOGRAFI (EMG) PADA MATA KULIAH TEKNOLOGI OLAHRAGA DI UNIVERSITAS NEGERI SURABAYA

Abstract

Penelitian ini bertujuan untuk mengimplementasikan teknologi Internet of Things (IoT) dengan sensor Elektromiografi (EMG) dalam pembelajaran deteksi Carpal Tunnel Syndrome (CTS) pada mata kuliah Teknologi Olahraga di Universitas Negeri Surabaya. Teknologi ini dikembangkan untuk membantu mahasiswa memahami konsep fisiologi otot, mendeteksi gejala CTS, serta menganalisis data sinyal otot secara real-time melalui aplikasi berbasis IoT. Penelitian menggunakan desain pre eksperimental one-group pretest-posttest, dengan tahap pengukuran awal, pembelajaran menggunakan prototipe berbasis IoT, dan pengukuran akhir. Hasil penelitian menunjukkan validitas media pembelajaran sangat tinggi, dengan skor 98% untuk media ajar dan 97% untuk modul ajar. Analisis menggunakan Paired Sample T-Test mengungkapkan peningkatan signifikan pada nilai rata-rata mahasiswa, dari pre-test 60,71 menjadi post-test 86,25 (p < 0,05). Rata-rata nilai psikomotorik mahasiswa mencapai 84,00, dan nilai afektif sebesar 85,36, keduanya berada di atas Kriteria Ketuntasan Minimal (KKM). Respon mahasiswa terhadap media pembelajaran menunjukkan kepraktisan tinggi (96,67%), mencerminkan penerimaan positif terhadap alat ini yang dinilai praktis, relevan, dan efektif. Penelitian ini menunjukkan bahwa penerapan IoT dengan sensor EMG tidak hanya mampu meningkatkan pemahaman kognitif, keterampilan psikomotorik, dan sikap mahasiswa, tetapi juga memberikan pengalaman pembelajaran yang interaktif dan aplikatif. Media pembelajaran ini dapat menjadi model inovatif yang relevan dalam mendukung pendidikan berbasis teknologi, khususnya dalam pengembangan solusi kesehatan preventif seperti deteksi CTS. Temuan ini diharapkan dapat diterapkan lebih luas dalam dunia pendidikan maupun pelayanan kesehatan masyarakat.