Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
ISSN:2657-0327 ANALISIS KESESUAIAN PENGUKURAN KALORI SMARTWATCH
DENGAN PERHITUNGAN MET PADA AKTIVITAS OLAHRAGA
(Agreement Analysis Between Smartwatch Calorie Estimates and MET Calculations in Physical Activit.
Rafli Assiddiqie Raihan *.
,Irving Vitra Paputungan .
Mukhammad Andri Setiawan.
Universitas Islam Indonesia.
Yogyakarta.
Indonesia Email: .
20523222@students.
id , .
irving@uii.
id, .
andri@uii.
Abstract This study aims to evaluate the agreement between calorie estimations generated by smartwatches and manual calculations based on the Metabolic Equivalent of Task (MET) during physical activity.
Three participants with different physiological characteristics and activity intensities completed 15 training sessions using the Xiaomi Smart Band 8 and Calorie estimates from the devices were compared with MET-based calculations using the paired sample t-test.
The results indicate that, for moderate to high intensity activities such as jogging and running, no significant differences .
> .
were observed between the two estimation methods, suggesting a good level of agreement.
Conversely, lowintensity walking showed significant differences .
< 0.
, reflecting a tendency for overestimation by the smartwatch.
Overall, the agreement improved when heart rate rhythm and movement patterns were more stable, consistent with physiological principles relating oxygen consumption and MET values.
As a preliminary case-series, this study highlights the importance of activity intensity when interpreting smartwatch-based energy estimates and provides insight into the practical use of wearable devices for daily exercise monitoring.
Keywords: Smartwatch.
MET.
Physical activity.
Wearable device.
Energy estimation.
Paired t-test.
Agreement
*Corresponding Author
PENDAHULUAN
Perkembangan teknologi digital dan meningkatnya kesadaran masyarakat terhadap gaya hidup sehat telah mendorong penggunaan perangkat wearable seperti smartwatch dalam aktivitas olahraga, terutama lari.
Smartwatch dan perangkat wearable modern kini berfungsi tidak hanya sebagai penunjuk waktu, tetapi juga sebagai pelacak aktivitas fisik yang mampu memonitor langkah, jarak tempuh, intensitas aktivitas, waktu tidur, hingga estimasi energi yang dikeluarkan pengguna .
Berdasarkan laporan International Data Corporation (IDC) kuartal tahun 2025, pasar perangkat wearable global menunjukkan pertumbuhan yang kuat dengan total pengiriman mencapai 136,5 juta unit, meningkat 9,6% dibandingkan periode yang sama pada tahun 2024 .
Kategori smartwatch masih menjadi salah satu kontributor utama dengan 38,3 juta unit yang dikirimkan secara global, diikuti oleh wristbands dan perangkat earwear .
Pertumbuhan ini masyarakat terhadap teknologi wearable untuk memantau aktivitas fisik dan kesehatan sehari-hari.
Namun, seiring meningkatnya pertumbuhan tersebut, http://jtika.
id/index.
php/JTIKA/ tingkat akurasi estimasi energi pada perangkat wearable masih menjadi isu yang sering dibahas.
Gambar 1.
Grafik pasar wearable di dunia Berbagai penelitian menunjukkan bahwa hasil pengukuran smartwatch dapat bervariasi antar merek, model, algoritma, maupun kondisi aktivitas.
Le dkk .
menunjukkan bahwa tiga smartwatch populer memiliki error estimasi energi yang berbeda antara aktivitas berjalan dan berlari .
, sedangkan Chen dkk .
menunjukkan bahwa akurasi estimasi energi dapat meningkat apabila pendekatan algoritmik dikombinasikan dengan nilai MET sebagai variabel fisiologis referensial .
Penelitian Kim dan Seong .
juga menegaskan bahwa pendekatan MET yang Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
dipersonalisasi, terutama ketika dipadukan dengan detak jantung, mampu meningkatkan kesesuaian hasil estimasi energi pada perangkat wearable .
Dalam konteks pengukuran energi.
Metabolic Equivalent of Task (MET) merupakan pendekatan fisiologis yang digunakan secara luas untuk menghitung estimasi pengeluaran energi berdasarkan intensitas aktivitas.
MET digunakan sebagai nilai referensial yang stabil karena mendefinisikan hubungan antara konsumsi oksigen saat melakukan aktivitas dan saat istirahat (Resting Metabolic Rat.
, .
Pendekatan ini banyak diterapkan dalam penelitian estimasi energi karena rumusnya sederhana, konsisten, dan telah digunakan secara luas dalam bidang fisiologi olahraga.
Oleh karena itu.
MET bukanlah representasi absolut dari pengeluaran energi tubuh, melainkan pendekatan teoritis yang dapat digunakan sebagai titik acuan untuk membandingkan hasil dari estimasi perangkat wearable.
Melihat karakteristik smartwatch yang juga menggunakan pendekatan estimasi berbasis sensor dan model prediktif, penelitian ini berfokus pada tingkat kesesuaian antara dua pendekatan estimasi energi, bukan validasi akurasi absolut terhadap standar Dengan demikian, penelitian ini diposisikan sebagai preliminary study atau case series, yang bertujuan untuk menilai konsistensi hasil pengukuran smartwatch terhadap pendekatan fisiologis berbasis MET pada tiga individu yang memiliki karakteristik aktivitas yang berbeda-beda.
Berdasarkan permasalahan utama dalam penelitian ini adalah sejauh mana terdapat tingkat kesesuaian antara estimasi kalori yang dihasilkan oleh smartwatch dan perhitungan manual berbasis MET pada aktivitas Selain itu, penelitian ini juga berfokus pada apakah tingkat kesesuaian tersebut menunjukkan perbedaan ketika ditinjau berdasarkan variasi intensitas aktivitas olahraga, khususnya pada aktivitas berjalan sebagai intensitas rendah, jogging sebagai intensitas sedang, dan berlari sebagai intensitas tinggi.
Penelitian sebelumnya menunjukkan bahwa tingkat kesesuaian estimasi energi sangat dipengaruhi oleh intensitas aktivitas dan stabilitas pola gerakan.
Rusterholz dkk .
melaporkan bahwa smartwatch cenderung memberikan hasil yang lebih mendekati alat laboratorium pada intensitas tinggi, terutama ketika ritme gerakan dan detak jantung lebih stabil.
Temuan ini sejalan dengan ulasan Pardamean dkk .
, yang menegaskan bahwa variabilitas gerakan dan fluktuasi dari sinyal sensor merupakan faktor utama penyebab ketidakselarasan estimasi perangkat http://jtika.
id/index.
php/JTIKA/ ISSN:2657-0327 wearable, terutama pada aktivitas berintensitas rendah dan tidak ritmis .
Berdasarkan temuan-temuan tersebut, penelitian ini bertujuan untuk menilai tingkat kesesuaian .
antara estimasi kalori yang dihasilkan oleh Xiaomi Smart Band 8 dan 10 dengan perhitungan manual berbasis Metabolic Equivalent of Task (MET).
Selain itu, penelitian ini juga bertujuan untuk mengkaji perbedaan pola kesesuaian estimasi tersebut pada berbagai intensitas aktivitas olahraga, yaitu berjalan, jogging, dan berlari, guna memperoleh gambaran empiris mengenai kinerja estimasi energi smartwatch pada konteks aktivitas olahraga harian.
TINJAUAN PUSTAKA
Perkembangan perangkat wearable dalam satu dekade terakhir menunjukkan peningkatan signifikan, terutama pada penggunaan smartwatch untuk pemantauan aktivitas fisik.
Berbagai penelitian menyoroti bagaimana perangkat ini mengestimasi parameter fisiologis seperti detak jantung, intensitas aktivitas, serta estimasi pengeluaran energi, namun tingkat keakuratannya sangat bergantung pada sensor dan algoritma internal yang digunakan.
Berdasarkan tinjauan pustaka pada penelitian ini, beberapa tema muncul dari studi-studi terdahulu yang menjadi dasar dilakukannya penelitian tentang kesesuaian estimasi energi antara smartwatch dan metode manual berbasis Metabolic Equivalent of Task (MET).
Penelitian yang dilakukan oleh Feehan dkk .
menekankan bahwa perangkat wearable modern telah mampu merekam berbagai parameter aktivitas fisik secara kontinu menggunakan sensor optik dan akselerometer .
Meskipun demikian, studi tersebut menunjukkan adanya variasi akurasi antar perangkat yang dipengaruhi oleh strategi algoritmik masingmasing produsen.
Hal ini sejalan dengan kebutuhan untuk melakukan evaluasi kesesuaian data estimasi energi smartwatch terhadap metode pembanding yang lebih baku.
Sementara itu.
Le dkk .
mengevaluasi tiga smartwatch populer dan menemukan bahwa tingkat keakuratan estimasi energi berbeda-beda tergantung intensitas aktivitas yang dilakukan.
Pada intensitas sedang hingga tinggi, performa perangkat cenderung lebih stabil dibandingkan pada intensitas rendah .
Kesimpulan ini penting sebagai landasan penelitian ini, karena perbedaan intensitas aktivitas juga menjadi variabel dalam pengumpulan data.
Berbeda dengan studi tersebut.
Chen dkk .
mengembangkan pendekatan estimasi energi berbasis MET dengan memanfaatkan data sensor wearable .
Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
Hasil penelitiannya menunjukkan bahwa integrasi nilai MET dapat menghasilkan estimasi energi dengan korelasi yang cukup tinggi terhadap nilai referensi.
Temuan ini memperkuat rasional penggunaan perhitungan manual berbasis MET sebagai benchmark untuk menilai kesesuaian hasil estimasi energi dari Selain itu, penelitian oleh Kim & Seong .
memperkenalkan model personalisasi estimasi energi yang menggabungkan nilai MET, detak jantung, serta pembelajaran mesin .
Studi tersebut menegaskan bahwa pendekatan fisiologis berbasis MET tetap relevan dalam estimasi energi, namun akurasi dapat ditingkatkan apabila mempertimbangkan karakteristik individu secara lebih spesifik.
Hal ini menunjukkan bahwa pengukuran energi sangat bergantung pada stabilitas fisiologis penggunaAifaktor yang juga diamati dalam penelitian ini.
Kajian lain oleh Pardamean dkk .
pada populasi pengguna di Indonesia menemukan bahwa akurasi perangkat wearable konsumen dalam mengukur langkah, intensitas aktivitas, dan estimasi energi masih bervariasi dan tidak selalu konsisten antar perangkat maupun antar kondisi aktivitas .
Penelitian ini memberikan gambaran bahwa estimasi energi dari perangkat konsumen tidak dapat langsung diasumsikan akurat, sehingga diperlukan pengujian kesesuaian seperti yang dilakukan dalam studi ini.
Di sisi lain, penelitian Ceugniez dkk .
mengungkap bahwa sensor optik pada pergelangan tangan rentan terhadap artefak gerakan, terutama pada aktivitas non-ritmis.
Ketidakstabilan sinyal ini dapat menyebabkan deviasi estimasi energi .
Temuan ini mendukung interpretasi bahwa intensitas dan konsistensi gerakan fisik merupakan faktor penting dalam menentukan kualitas estimasi energi pada Penelitian Rusterholz menunjukkan bahwa pada aktivitas aerobik intensitas tinggi, estimasi energi dan detak jantung perangkat wearableAikhususnya premiumAi memiliki kesesuaian yang baik terhadap alat referensi laboratorium .
Temuan ini memperkuat bukti bahwa kondisi fisiologis yang stabil berperan penting dalam meningkatkan presisi estimasi energi.
Hasil tinjauan pustaka ini menunjukkan bahwa meskipun penggunaan smartwatch untuk estimasi energi semakin populer, variasi hasil antar perangkat dan tingkat sensitivitas terhadap intensitas aktivitas masih menjadi tantangan utama.
Dengan demikian, penelitian ini memiliki urgensi untuk menilai agreement antara estimasi energi Xiaomi Smart Band http://jtika.
id/index.
php/JTIKA/ ISSN:2657-0327 dengan metode perhitungan manual berbasis MET pada berbagai intensitas aktivitas, sehingga dapat memberikan pemahaman tambahan mengenai batasan serta potensi pemanfaatan perangkat wearable dalam konteks olahraga harian.
Smartwatch dan Teknologi Wearable dalam Pengukuran Aktivitas Fisik Perkembangan teknologi wearable, khususnya smartwatch, telah mengubah cara individu memantau aktivitas fisik dan biometrik tubuh.
Perangkat ini dibekali sensor seperti photoplethysmography (PPG) untuk detak jantung, akselerometer untuk pola gerak, dan GPS untuk jarak serta kecepatan.
Kombinasi sensor tersebut memungkinkan smartwatch mengestimasi energi yang dikeluarkan pengguna dalam aktivitas fisik .
Meskipun praktis, estimasi energi pada smartwatch masih dipengaruhi jenis sensor, algoritma internal, kondisi lingkungan, dan karakteristik Fuller dkk .
menegaskan bahwa estimasi energi merupakan metrik paling bervariasi dibanding detak jantung atau langkah.
Le dkk .
menunjukkan bahwa tiga smartwatch yang diuji (Apple Watch 6.
Garmin Fenix 6, dan Huawei GT 2.
menghasilkan variasi akurasi pada aktivitas berjalan dan berlari.
Variasi ini menunjukkan bahwa algoritma memainkan peran penting dalam kualitas estimasi energi .
Namun kecenderungan overestimate atau underestimate pada calorimetry .
Dengan demikian, penelitian ini menempatkan smartwatch sebagai objek yang diukur tingkat kesesuaiannya .
terhadap metode fisiologis berbasis MET, bukan sebagai instrumen referensi akurasi absolut.
Konsep Pembakaran kalori dan Metabolic Equivalent of Task (MET) Pengeluaran energi fisik berkaitan erat dengan konsumsi oksigen ( ycOycC2 ) yang meningkat seiring intensitas aktivitas.
Studi Makino dkk .
dan Crossley meningkatnya kecepatan atau perubahan pola gerakan menyebabkan kenaikan kebutuhan energi .
, .
Konsep MET digunakan untuk menstandarkan intensitas aktivitas, di mana 1 MET didefinisikan sebagai konsumsi oksigen sebesar 3,5 mL OCC/kg/menit .
Perhitungan energi menggunakan rumus MET sebagai berikut:
Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
yaycaycoycuycycn = ycAyaycN yaAyceycycayc yaAycayccycaycu .
Beberapa pendekatan berbasis MET tetap stabil sebagai metode estimasi energi.
Liu dkk .
menemukan bahwa beberapa smartwatch berharga rendah menunjukkan error tinggi dan tidak konsisten terhadap indirect calorimetry, sehingga MET dapat menjadi metode pembanding yang lebih stabil .
Martyn-Martyn dkk .
juga menunjukkan korelasi tinggi antara estimasi berbasis MET dan referensi fisiologis ketika nilai MET digunakan sebagai kalibrasi .
Perbandingan Pengukuran Kalori: Manual (MET) dan Smartwatch Estimasi energi dapat dihitung melalui metode manual berbasis MET maupun estimasi otomatis oleh Perhitungan manual berbasis MET bersifat sederhana, baku, dan berbasis fisiologi oksigen.
Sebaliknya, smartwatch menggabungkan sinyal PPG, akselerometer, giroskop, dan algoritma prediktif untuk menghitung energi secara real-time.
Beberapa studi menilai performa smartwatch terhadap metode referensi.
Navalta dkk .
menemukan bahwa error estimasi energi wearable berada pada rentang 18Ae28% untuk aktivitas aerobik moderat .
Liu dkk .
menunjukkan bahwa akurasi wearable sangat bergantung pada perangkat dan algoritmanya .
Rusterholz dkk .
menemukan bahwa estimasi energi Apple Watch 7 tidak berbeda signifikan versus PARVO metabolic system .
> 0.
, terutama pada aktivitas aerobik .
Dengan demikian, kedua pendekatan digunakan dalam penelitian ini bukan untuk menentukan mana yang paling akurat, melainkan untuk menilai tingkat kesesuaian .
antara estimasi smartwatch dan perhitungan manual berbasis MET.
Uji Statistik: Uji t Berpasangan Penelitian ini menggunakan uji paired t-test karena setiap sesi aktivitas menghasilkan dua pengukuran berpasangan untuk individu yang sama: estimasi energi smartwatch dan estimasi manual berbasis MET.
Uji ini menguji apakah rata-rata selisih dua metode berbeda signifikan dari nol.
Rumus uji t berpasangan dituliskan sebagai berikut .
yc= yccI ycycc /Ooycu .
Dimana:
yccI adalah rata-rata selisih antar pasangan http://jtika.
id/index.
php/JTIKA/ ISSN:2657-0327 ycycc adalah simpangan baku dari selisih ycu adalah jumlah pasangan data.
Hipotesis yang diuji:
A ya0: Tidak ada perbedaan signifikan antara nilai MET dan estimasi smartwatch A ya1 : Ada perbedaan signifikan antara kedua Jika p Ou 0.
05, maka kedua metode dianggap memiliki kesesuaian yang memadai.
Pendekatan ini umum digunakan dalam penelitian validasi perangkat wearable karena mampu menilai pola perbedaan secara langsung antara dua metode yang diuji Le dkk .
menggunakan pendekatan serupa untuk membandingkan tiga smartwatch dengan indirect calorimetry.
Hasilnya menunjukkan perangkat tertentu memiliki selisih tidak signifikan .
> 0.
sehingga paired t-test terbukti sesuai untuk menilai agreement antara dua metode estimasi energi.
METODE PENELITIAN
Penelitian kuantitatif komparatif untuk menganalisis perbedaan hasil estimasi kalori dari smartwatch Xiaomi Smart Band 8 dan 10 terhadap perhitungan manual berbasis MET.
Pendekatan ini dipilih untuk menilai tingkat kesesuaian .
antara dua metode estimasi energi pada kondisi aktivitas fisik.
Dalam konteks ini, perhitungan MET digunakan sebagai standar referensi teoritis yang banyak dipakai dalam fisiologi olahraga, sehingga hasil smartwatch dapat dibandingkan secara sistematis dengan pendekatan fisiologis yang Pendekatan tersebut memungkinkan evaluasi kuantitatif terhadap konsistensi dan keselarasan antara algoritma smartwatch dan perhitungan manual MET pada konteks aktivitas olahraga harian.
Rancangan Penelitian Penelitian ini termasuk dalam jenis penelitian komparatif kuantitatif, dengan membandingkan dua metode pengukuran terhadap variabel yang sama, yaitu estimasi kalori dari smartwatch dan perhitungan manual berbasis MET.
Pendekatan ini sejalan dengan metode validasi yang digunakan oleh Le dkk .
yang membandingkan estimasi energi dari beberapa smartwatch dengan pengukuran referensi indirect calorimetry .
Sementara itu.
Chen dkk .
tidak melakukan perbandingan dua metode secara langsung.
Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
tetapi mengembangkan dan memvalidasi model estimasi MET berbasis sensor wearable .
, sehingga relevan sebagai landasan teoritis mengenai penggunaan MET dalam estimasi energi.
Dengan melibatkan tiga partisipan dan rancangan pengukuran berulang per individu .
sesi latiha.
, penelitian ini dikategorikan sebagai preliminary study dengan desain case series, sehingga temuan yang dihasilkan lebih menekankan pada pola kesesuaian dan konsistensi estimasi antar metode pada konteks kasus yang spesifik.
Subjek dan Data Penelitian Penelitian ini dilakukan menggunakan data hasil aktivitas lari dari tiga partisipan, masing-masing menjalani 15 sesi lari dengan durasi rata-rata 30 menit per sesi.
Aktivitas dilakukan pada lintasan datar seperti jogging track untuk menjaga kestabilan kondisi pengukuran, mengurangi faktor eksternal, serta menggambarkan kondisi nyata pada masyarakat ketika melakukan aktivitas jogging ataupun lari.
Seluruh data diperoleh dari hasil pencatatan smartwatch selama sesi lari yang telah terhubung dengan aplikasi pendukung seperti Mi Fitness dan Strava.
Hasil estimasi kalori dari smartwatch kemudian dibandingkan dengan hasil perhitungan manual berbasis MET.
Ketiga partisipan yang terlibat dalam penelitian ini memiliki karakteristik demografis yang berbeda.
Individu A adalah laki-laki berusia 23 tahun dengan berat badan 74 kg dan tinggi 177 cm, terbiasa melakukan aktivitas olahraga terutama lari.
Individu B adalah laki-laki berusia 22 tahun dengan berat badan 65 kg dan tinggi 168 cm, dengan pola aktivitas fisik yang lebih rendah dibanding individu lainnya.
Individu C adalah perempuan berusia 18 tahun dengan berat badan 48 kg dan tinggi 160 cm, memiliki kondisi fisik yang cukup baik untuk melakukan aktivitas olahraga meskipun tidak berolahraga secara rutin.
Variasi usia, jenis kelamin, berat badan, tinggi badan, serta tingkat aktivitas harian ini memberikan gambaran yang lebih luas mengenai perbedaan estimasi energi antar mencerminkan kondisi nyata pengguna smartwatch pada umumnya.
Perangkat dan Instrumen Penelitian Perangkat utama yang digunakan adalah smartwatch Xiaomi Smart Band .
eri 8 dan .
, yang mencatat estimasi kalori berdasarkan kombinasi sensor detak jantung optik dan akselerometer.
Sebagai pembanding, digunakan perhitungan manual berbasis rumus MET, sebagaimana dijelaskan dalam http://jtika.
id/index.
php/JTIKA/ ISSN:2657-0327 Compendium of Physical Activities oleh Ainsworth dkk .
, yang mendefinisikan 1 nilai MET sebagai 1 kcal/kg/jam dan perhitungan manual energi dilakukan menggunakan persamaan berikut:
yaycaycoycuycycn = ycAyaycN yaAyceycycayc yaAycayccycaycu .
Menurut Ainsworth dkk .
, satu nilai MET setara dengan pengeluaran energi sebesar satu kilokalori per kilogram berat badan per jam .
kkal/kg/ja.
, sehingga energi aktivitas dapat dihitung langsung dari durasi dan intensitas aktivitas yang dilakukan .
Sementara itu.
Forsum dkk .
menjelaskan bahwa nilai MET mencerminkan rasio antara pengeluaran energi saat aktivitas terhadap pengeluaran energi saat istirahat .
esting energy expenditur.
, yang secara fisiologis setara dengan konsumsi oksigen sebesar 3,5 mL/o2/kh/menit .
Nilai MET yang digunakan dalam penelitian ini diambil dari Compendium of Physical Activities dengan kisaran 7,5 sampai 11,5, disesuaikan dengan intensitas dari masing-masing partisipan.
Data tambahan seperti jarak, durasi, kecepatan, dan detak jantung diperoleh dari Strava yang telah disinkronkan dengan smartwatch, kemudian direkap menggunakan Microsoft Excel untuk keperluan analisis data.
Prosedur Analisis Data Langkah-langkah analisis data dilakukan sebagai Pengumpulan data: Data estimasi kalori diperoleh dari hasil pengukuran smartwatch dan perhitungan manual berbasis MET.
Pemeriksaan normalitas data: Uji normalitas digunakan untuk memastikan bahwa data dalam penelitian memiliki distribusi yang mendekati normal.
Pada penelitian ini, pengujian normalitas dilakukan menggunakan metode Shapiro-Wilk dengan tingkat signifikansi 0,05 .
Metode tersebut dipilih karena direkomendasikan untuk ukuran sampel kecil .
< .
sehingga sesuai dengan karakteristik data .
Uji perbandingan: Perbandingan antara estimasi kalori dari smartwatch dan perhitungan manual berbasis MET dilakukan menggunakan paired sample t-test untuk setiap kombinasi individu-aktivitas.
Pemilihan uji ini didasarkan pada prinsip bahwa paired t-test dirancang untuk menilai apakah ratarata perbedaan dua pengukuran berpasangan berbeda secara signifikan dari nol.
Pendekatan in umum digunakan dalam studi perbandingan dua metode pengukuran, sebagaimana dijelaskan oleh Anderson dkk .
, yang menggunakan paired ttest untuk mengevaluasi bias sistematis .
ean Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
ISSN:2657-0327 differenc.
antara dua teknik pengukuran dalam HASIL DAN PEMBAHASAN konteks analisis Bland-Altman .
Dengan demikian.
Teknik Analisis Data uji ini memberikan informasi mengenai ada tidaknya Penelitian ini membandingkan hasil estimasi kalori perbedaan sistematis antara kedua metode estimasi diukur menggunakan Xiaomi Smart Band 8 dan Xiaomi Smart Band 10 terhadap perhitungan manual Interpretasi hasil: Hasil analisis diinterpretasikan untuk menilai tingkat kesesuaian antara pola berbasis MET.
Tiga partisipan diuji dengan karakteristik estimasi energi dari smartwatch dan perhitungan aktivitas berbeda, masing-masing menjalani 15 sesi berbasis MET pada konteks aktivitas lari, berjalan, latihan dengan kriteria:
dan jogging dalam desain preliminary case series ini.
Individu A: lari menggunakan Xiaomi Smart Band Teknik Analisis Data Individu B: berjalan menggunakan Xiaomi Smart Analisis dilakukan secara deskriptif dan inferensial.
Band 8 Pada analisis inferensial, tahap pertama dilakukan uji Individu C: jogging menggunakan Xiaomi Smart normalitas untuk memastikan data berdistribusi Band 10 Selanjutnya dilakukan uji paired sample t-test untuk menguji apakah terdapat perbedaan signifikan Sebagai pembanding tambahan, individu A juga antara hasil pengukuran dari smartwatch dan aktivitas lari menggunakan Xiaomi Smart perhitungan manual berbasis MET.
Band menguji pengaruh intensitas dan Secara metodologis, uji t berpasangan dipilih karena:
perbedaan seri perangkat terhadap hasil estimasi Data berasal dari pasangan pengukuran pada sesi yang sama .
ithin-subjec.
, sehingga observasi Gambaran Umum saling berhubungan.
Pada tahap awal analisis, penelitian ini menyajikan Fokus analisis adalah pada perbedaan rata-rata gambaran umum hasil perbandingan estimasi kalori antara dua pendekatan estimasi .
martwatch dan antara Xiaomi Smart Band 8 dan 10 dengan MET), bukan pada pemodelan variabilitas antar perhitungan manual berbasis MET pada tiga jenis individu dalam populasi yang luas.
aktivitas fisik, yaitu berlari, berjalan, dan jogging.
Dengan asumsi bahwa selisih kedua metode Visualisasi pada gambar satu sampai empat digunakan berdistribusi normal, uji t berpasangan digunakan untuk memperlihatkan pola kecenderungan nilai, karena merupakan prosedur parametrik kedekatan tren, serta deviasi antara kedua pendekatan estimasi sepanjang dilakukannya sesi latihan.
sederhana yang dirancang untuk mengevaluasi Gambaran umum ini menjadi dasar untuk menilai apakah perbedaan rata-rata dua pengukuran tingkat kesesuaian dan konsistensi estimasi energi oleh berpasangan berbeda secara signifikan dari nol.
smartwatch dalam konteks aktivitas fisik harian.
Pendekatan ini konsisten dengan Anderson dkk .
, yang menggunakan two-sided paired ttest dalam tahap preliminary untuk mendeteksi ada tidaknya systematic bias antara dua metode sebelum dilakukan analisis agreement lanjutan seperti Bland-Altman .
Seluruh analisis dilakukan menggunakan SPSS dan Microsoft Excel, dengan taraf signifikansi = 0,05.
Dalam konteks penelitian ini, hasil uji diinterpretasikan sebagai indikator kesesuaian dan konsistensi estimasi antara algoritma internal smartwatch dan perhitungan teoritis berbasis MET pada aktivitas olahraga.
http://jtika.
id/index.
php/JTIKA/ Gambar 2.
Grafik kalori lari Gambar 2 memperlihatkan pola estimasi kalori pada aktivitas lari yang relatif stabil pada kisaran 220 hingga 260 kcal sepanjang 15 sesi.
Perhitungan manual berbasis MET menunjukkan tren yang hampir sejajar dengan hasil smartwatch.
Secara visual, kedua metode Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
menghasilkan pola yang searah .
greement tingg.
, meskipun terdapat variasi minor antar-sesi yang wajar dalam aktivitas lari harian.
ISSN:2657-0327
Gambar 5 memperlihatkan hasil estimasi kalori pada aktivitas lari menggunakan Xiaomi Smart Band 8.
Secara umum, pola estimasi antara smartwatch dan perhitungan manual menunjukkan kecenderungan yang searah pada sebagian besar sesi.
Meskipun terdapat deviasi pada sejumlah titik pengukuran, perbedaan tersebut masih berada dalam rentang variasi antar-sesi yang wajar.
Pola ini menunjukkan bahwa pada aktivitas lari dengan intensitas lebih tinggi, estimasi energi dari perangkat relatif stabil ketika dibandingkan dengan pendekatan perhitungan berbasis MET.
Gambar 3.
Grafik kalori berjalan Berdasarkan gambar 3, estimasi kalori smartwatch saat berjalan menunjukkan tren peningkatan, terutama setelah sesi ke-7.
Dibandingkan perhitungan MET, nilai smartwatch konsisten lebih tinggi .
Hal ini mengindikasikan adanya ketidaksesuaian pada aktivitas dengan intensitas rendah, meskipun secara umum grafik kedua metode bergerak relatif searah.
Hasil Uji Normalitas per Individu Uji normalitas dilakukan menggunakan ShapiroWilk test, karena metode ini sesuai untuk jumlah sampel kecil .
< .
sebagaimana disarankan oleh Mishra dkk .
Pengujian dilakukan terhadap nilai selisih antara hasil estimasi kalori smartwatch dan perhitungan manual berbasis MET untuk setiap TABEL I.
UJI NORMALITAS INDIVIDU A
Uji KlomogorovSmirnov Shapiro-Wilk Gambar 4.
Grafik kalori jogging Gambar 4 menunjukkan bahwa estimasi smartwatch pada aktivitas jogging lebih berfluktuasi dengan rentang lebar antar-sesi dibandingkan perhitungan MET yang stabil.
Perbedaan pola ini mengindikasikan bahwa pada aktivitas dengan merespons variabilitas gerakan secara lebih sensitif dibandingkan perhitungan manual.
Statistic Sig.
Keterangan Normal Normal Berdasarkan tabel I, nilai signifikansi pada uji Shapiro-Wilk > 0.
05 menunjukkan bahwa data selisih berdistribusi normal.
Dengan demikian, data memenuhi asumsi normalitas dan layak dianalisis menggunakan paired sample t-test.
TABEL II.
UJI NORMALITAS INDIVIDU B
Uji KlomogorovSmirnov Shapiro-Wilk Statistic Sig.
Keterangan Normal Normal Berdasarkan tabel II, nilai signifikansi > 0.
05, data dapat dikatakan berdistribusi normal.
Oleh karena itu, analisis selanjutnya dapat dilanjutkan menggunakan uji t berpasangan untuk menguji perbedaan hasil estimasi TABEL i.
UJI NORMALITAS INDIVIDU C
Uji Statistic df Sig.
Keterangan Klomogorov0.
200 Normal Smirnov Shapiro-Wilk 191 Normal Gambar 5.
Grafik kalori data pembanding http://jtika.
id/index.
php/JTIKA/ Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
Berdasarkan tabel i, hasil uji menunjukkan nilai signifikansi > 0.
05, sehingga data berdistribusi normal.
Dengan terpenuhinya asumsi normalitas, maka dapat diproses pada tahap analisis inferensial.
UJI NORMALITAS DARA PEMBANDING
TABEL IV.
Uji KlomogorovSmirnov Shapiro-Wilk Statistic Sig.
Keterangan Normal Normal Berdasarkan tabel IV, nilai signifikansi > 0.
menandakan bahwa distribusi data selisih adalah Oleh karena itu, pengujian menggunakan uji t berpasangan dapat diterapkan untuk mengkonfirmasi konsistensi hasil estimasi smartwatch dengan perhitungan manual berbasis MET.
Hasil Uji t Berpasangan per Individu Uji t berpasangan digunakan dalam penelitian ini untuk melihat apakah terdapat perbedaan antara ratarata antara dua pendekatan estimasi energi smartwatch dengan perhitungan MET pada sesi yang Karena penelitian ini masih merupakan preliminary case series, hasil uji t tidak dimaksudkan untuk menilai akurasi absolut perangkat, tetapi untuk menilai kecenderungan bias sistematis .
ver atau under-estimatio.
pada masing-masing individu dan jenis aktivitas.
TABEL V.
UJI T BERPASANGAN INDIVIDU A
Komponen Mean Difference (S-M) Sig.
-taile.
Nilai 772 kcal Keterangan Smartwatch < Manual Nilai t hitung Derajat bebas Tidak signifikan .
> Berdasarkan tabel V menunjukkan bahwa p-value = 0.
875 (>0.
Hal ini mengindikasikan bahwa perbedaan rata-rata antara kedua metode tidak signifikan, sehingga tidak ditemukan bukti adanya bias sistematis pada individu A.
Ini berarti, pada konteks lari dengan intensitas yang relatif stabil, estimasi energi dari kedua metode menunjukkan tingkat kesesuaian yang cukup baik.
TABEL VI.
ISSN:2657-0327
UJI T BERPASANGAN INDIVIDU B
Komponen Mean Difference (S-M) Sig.
-taile.
Nilai 62 kcal Keterangan Smartwatch > Manual Nilai t hitung Derajat bebas Signifikan .
< Berdasarkan tabel VI, p-value = 0.
01 < 0.
menunjukkan adanya perbedaan yang signifikan antara kedua metode.
Perbedaan ini mengindikasikan adanya bias sistematis, dimana smartwatch cenderung menghasilkan nilai lebih tinggi dibandingkan perhitungan MET.
Temuan ini menunjukkan bahwa pada intensitas rendah, kedua pendekatan belum sepenuhnya selaras, sehingga perbedaan pola estimasi lebih mungkin terjadi.
TABEL VII.
Komponen Mean Difference (S-M) Sig.
-taile.
UJI T BERPASANGAN INDIVIDU C Nilai 92 kcal Keterangan Smartwatch < Manual Nilai t hitung Derajat bebas Tidak signifikan .
> Berdasarkan tabel VII, p-value = 0.
085 > 0.
menunjukkan bahwa perbedaan rata-rata kedua metode tidak signifikan.
Meskipun demikian, nilai p yang mendekati batas 0.
05 menunjukkan adanya variabilitas antar sesi, sehingga tingkat kesesuaian di aktivitas jogging bersifat lebih moderat dibandingkan aktivitas lari.
TABEL Vi.
Komponen Mean Difference (S-M) Sig.
-taile.
UJI T BERPASANGAN DATA PEMBANDING Nilai 87 kcal Keterangan Smartwatch < Manual Nilai t hitung Derajat bebas Tidak signifikan .
> Berdasarkan tabel Vi, p-value = 0.
070 > 0.
Dengan demikian, tidak terdapat perbedaan rata-rata yang signifikan antara metode smartwatch dan MET pada kondisi ini.
Temuan ini mendukung interpretasi http://jtika.
id/index.
php/JTIKA/ Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
bahwa perbedaan yang muncul pada individu B lebih dipengaruhi oleh intensitas aktivitas, bukan oleh perbedaan seri perangkat.
Pembahasan TABEL IX.
PERBANDINGAN ANTAR AKTIVITAS
Aktivitas Perang Keputu Selisi h (SM) Lebi Lari (A) Xiaomi Smart Band Tidak Berjalan (B) Xiaomi Smart Band 8 Lebi Jogging (C) Xiaomi Smart Band Tidak Lebi Interpreta Pola kecil dan Terjadi bias positif tidak stabil Pola stabil pada Lari Xiaomi Tidak Lebi Kesesuaia .
emban Smart signifik h Band 8 an rend meningkat kecil dan Hasil penelitian pada tabel 9 menunjukkan bahwa pola kesesuaian antara estimasi energi dari Xiaomi Smart Band 8 dan 10 dengan perhitungan manual http://jtika.
id/index.
php/JTIKA/ ISSN:2657-0327 berbasis MET sangat dipengaruhi oleh intensitas aktivitas fisik.
Pada aktivitas berjalan .
ndividu B), terjadi perbedaan signifikan yang ditandai dengan kecenderungan bias positif .
Kondisi ini wajar karena aktivitas berintensitas rendah menghasilkan pola gerak pergelangan dan fluktuasi detak jantung yang tidak stabil, sehingga sensor optik dan akselerometer bekerja kurang konsisten.
Temuan ini sejalan dengan penelitian Ceugniez dkk .
yang menyatakan bahwa instabilitas gerakan tangan dapat meningkatkan error pembacaan PPG .
Sebaliknya, pada aktivitas berlari .
ndividu A dan data pembandin.
, hasil uji t berpasangan menunjukkan tidak terdapat perbedaan signifikan antara kedua metode, mengindikasikan adanya pola estimasi yang lebih stabil pada intensitas tinggi.
Pola ini konsisten dengan penelitian Le dkk .
yang menjelaskan bahwa perangkat wearable cenderung menghasilkan estimasi energi yang lebih stabil ketika ritme gerakan dan detak jantung lebih konsisten, seperti pada aktivitas olahraga dengan intensitas menengah hingga tinggi .
Hasil yang serupa juga terlihat pada aktivitas jogging .
ndividu C), dimana perbedaan tidak signifikan meskipun terdapat variasi antar sesi.
Pada intensitas sedang, kestabilan pola gerakan sudah mulai terbentuk namun masih dapat dipengaruhi kelelahan sesaat atau pada variasi langkah.
Penelitian Rusterholz dkk .
turut mendukung temuan tersebut melalui uji ycOycC2 max, dimana perangkat smartwatch menunjukkan estimasi yang tidak berbeda signifikan dari alat kriteria (PARVO) pada intensitas tinggi .
Hal ini memperkuat bahwa intensitas merupakan faktor kunci dalam stabilitas algoritma sensor wearable.
Secara fisiologis, hubungan ini sesuai dengan prinsip yang dikemukakan oleh Ainsworth dkk .
dan Forsum dkk .
, bahwa peningkatan konsumsi oksigen dan nilai MET berbanding lurus dengan intensitas aktivitas, sehingga pola energi lebih mudah diprediksi pada intensitas sedang-tinggi .
, .
Dengan demikian, dalam konteks penelitian ini.
Xiaomi Smart Band 8 dan 10 menunjukkan tingkat agreement yang lebih baik pada aktivitas olahraga dengan intensitas moderat hingga tinggi.
KESIMPULAN DAN SARAN
Kesimpulan Berdasarkan hasil analisis yang telah dilakukan, dapat disimpulkan bahwa secara umum terdapat kesesuaian .
antara hasil estimasi kalori yang dihasilkan oleh smartwatch Xiaomi Smart band 8 dan 10 dengan perhitungan manual berbasis MET.
Jurnal Teknologi Informasi.
Komputer dan Aplikasinya (JTIKA) Vol.
No.
Maret 2026, (Terakreditasi Sinta-4.
SK No:164/E/KPT/2.
Hasil uji statistik menunjukkan bahwa pada aktivitas berintensitas sedang hingga tinggi tidak ditemukan perbedaan yang signifikan antara kedua metode estimasi, sehingga dapat dikatakan smartwatch memberikan estimasi kalori yang relatif selaras dengan pendekatan fisiologis berbasis MET pada kondisi Sebaliknya, pada aktivitas berintensitas rendah, seperti berjalan, ditemukan perbedaan yang signifikan antara estimasi kalori smartwatch dan perhitungan manual berbasis MET, yang mengindikasikan adanya kecenderungan overestimasi oleh smartwatch.
Temuan ini menunjukkan bahwa tingkat kesesuaian estimasi kalori smartwatch tidak bersifat seragam, melainkan dipengaruhi oleh intensitas aktivitas fisik yang dilakukan.
Saran Penelitian mengembangkan pendekatan analisis yang tidak hanya menilai perbedaan rata-rata, tetapi juga mengevaluasi bentuk hubungan dan pola kesesuaian menggunakan metode tambahan seperti Bland-Altman plot atau mixed-effects modeling untuk memahami variasi intraindividu maupun antar-individu secara lebih Selain itu, studi lanjutan perlu mengeksplorasi bagaimana faktor fisiologis seperti variabilitas detak jantung, perubahan suhu tubuh, efisiensi gerakan, dan tingkat kebugaran berkontribusi terhadap perbedaan estimasi energi antara algoritma smartwatch dan perhitungan berbasis MET.
Pendekatan in penting untuk mengidentifikasi kondisi aktivitas atau karakteristik pengguna yang menyebabkan bias estimasi meningkat.
Bagi pengguna umum, perangkat ini layak digunakan untuk menjaga konsistensi latihan lari atau jogging, namun pengguna perlu berhati-hati dalam menafsirkan angka kalori pada aktivitas ringan karena potensi overestimasi yang .
DAFTAR PUSTAKA