Implementasi Sistem Evaluasi Fase Gerak Lempar Lembing Berbasis Landmark Pose
DOI:
https://doi.org/10.29407/va75vy70Abstract
Evaluasi teknik lempar lembing umumnya masih dilakukan melalui pengamatan langsung, sehingga hasil penilaian dapat dipengaruhi oleh subjektivitas pengamat. Penelitian ini bertujuan mengimplementasikan sistem evaluasi fase gerak lempar lembing berbasis landmark pose untuk membantu proses penilaian teknik secara lebih terstruktur. Sistem dikembangkan menggunakan Streamlit sebagai antarmuka, OpenCV untuk pemrosesan video, MediaPipe Pose untuk ekstraksi landmark tubuh, dan CNN 1D untuk klasifikasi kualitas gerakan. Gerakan dianalisis pada tiga fase utama, yaitu awalan, langkah silang, dan pelepasan. Dataset yang digunakan berjumlah 337 sampel dengan dua kelas, yaitu sempurna dan tidak sempurna. Hasil implementasi menunjukkan bahwa sistem mampu menampilkan visualisasi skeleton, label evaluasi, nilai confidence, probabilitas kelas, serta umpan balik teknik pada setiap fase. Sistem ini dapat menjadi alat bantu evaluasi awal yang lebih objektif dan mudah dipahami.
Keywords:
CNN 1D, landmark pose, lempar lembing, MediaPipe, Streamlit##plugins.themes.default.displayStats.downloads##
References
[1] M. A. Rahman and N. Hamdiana, ―Analisis Kondisi Fisik pada Atlet Atletik Nomor
Lempar Lembing Binaan PASI Kabupaten Paser,‖ Borneo Physical Education Journal,
vol. 3, pp. 64–72, 2022, doi: https://doi.org/10.30872/bpej.v3i2.2081.
[2] A. Hamzah, M. Ilham Aksir, J. A. Kesehatan dan Rekreasi Jl P Pettarani, K. Rappocini,
K. Makassar, and S. Selatan, ―Analisis Daya ledak Otot Lengan pada Atlet Lempar
Lembing FIKK UNM,‖ Jurnal Dunia Pendidikan, vol. 5, no. 6, 2025, doi:
https://doi.org/10.55081/jurdip.v6i5.
[3] A. Darmawan and J. Penjaskes-Rek, ―HUBUNGAN KEKUATAN OTOT LENGAN
DENGAN KEMAMPUAN LEMPAR LEMBING PADA SISWA SMA NEGERI 2
TOMIA,‖ Jurnal Olympic, vol. 1, no. 1, 2021, doi:
https://doi.org/10.36709/olympic.v1i1.7.
[4] B. Alif Fimaskoro, S. Aulia, and D. Rimasa, ―Identifikasi Atlet Anggar Berdasarkan
Pengukuran Antropometri Menggunakan MediaPipe Pose,‖ Jurnal Nasional Teknik
Elektro dan Teknologi Informasi, vol. 13, no. 1, pp. 11–17, Feb. 2024, doi:
10.22146/jnteti.v13i1.8145.
[5] M. T. Mubayyin, E. M. A. Anantacia, C. Salsabila, and M. F. Hidayattullah,
―Klasifikasi dan deteksi pose pilates menggunakan mediapipe dan random forest
classifier,‖ Teknosains: Media Informasi Sains dan Teknologi, vol. 19, no. 1, pp. 56–63,
Jun. 2025, doi: 10.24252/teknosains.v19i1.53698.
[6] R. Krisna Pambudi and N. Wijaya, ―Sistem Finding Choreography HipHop Basic
Menggunakan MediaPipe Body Pose Estimation untuk Dancer,‖ Jutisi: Jurnal Ilmiah
Teknik Informatika dan Sistem Informasi, vol. 15, no. 1, pp. 1–11, 2026, doi:
10.35889/jutisi.v15i1.3404.
[7] B. A. Rizki and E. Zuliarso, ―Klasifikasi Teknik Bulutangkis Berdasarkan Pose Dengan
Convolutional Neural Network,‖ Jurnal Ilmiah Informatika, vol. 10, pp. 96–101, 2022,
doi: 10.33884/jif.v10i02.5559.
[8] F. Daniel Tanugraha, H. Pratikno, M. Musayanah, and W. Indah Kusumawati,
―Pengenalan Gerakan Olahraga Berbasis (Long Short- Term Memory) Menggunakan
Mediapipe,‖ Journal of Advances in Information and Industrial Technology, vol. 4, no.
1, pp. 37–45, May 2022, doi: 10.52435/jaiit.v4i1.182.
[9] B. Sobari, M. Moedjiono, and M. A. Rizkiawan, ―Pose Analysis and Classification in
Shooting Sport Using Convolutional Neural Network and Long Short-Term MemoryJurnal Informatika, vol. 12, no. 2, pp. 122–130, Oct. 2025, doi:
10.31294/inf.v12i2.25566.
[10] M. A. B. Prasetya, Harits Ar Rosyid, and M. Zainal Arifin, ―Accuracy Evaluation of 2D
MediaPipe-Based Pose Estimation for Archery Posture Detection Using N-MPJPE,‖
JURNAL TEKNIK INFORMATIKA, vol. 19, no. 1, pp. 109–121, Apr. 2026, doi:
10.15408/jti.v19i1.49778.
[11] V. Suhandi and H. Santoso, ―Personal Training with Tai Chi: Classifying Movement
using Mediapipe Pose Estimation and LSTM,‖ Building of Informatics, Technology and
Science (BITS), vol. 6, no. 2, pp. 767–775, Sep. 2024, doi: 10.47065/bits.v6i2.5536.
[12] Muhammad Rizaldi, Rudi Heriansyah, and Nazori Suhandi, ―Pengenalan Gerakan
Tangan untuk Kontrol Slide Presentasi Menggunakan Framework Mediapipe, OpenCV,
dan Model LSTM,‖ Jurnal Publikasi Teknik Informatika, vol. 4, no. 3, pp. 98–111, Sep.
2025, doi: 10.55606/jupti.v4i3.5332.
[13] A. M. Chalik, A. Qowy, F. Hanafi, and A. Nuraminah, ―Mouse Tracking Tangan
dengan Klasifikasi Gestur Menggunakan OpenCV dan Mediapipe,‖ JUITIK, vol. 1, no.
2, 2021, doi: https://doi.org/10.55606/juitik.v1i2.323.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
