Keywords
Push-Up Detection
Pose Extraction
Random Forest
Movement Classification
Automatic Evaluation
How to Cite
Abstract
Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis terhadap gerakan push-up menggunakan metode ekstraksi pose MediaPipe dan klasifikasi Random Forest. Ekstraksi fitur dilakukan dengan mendeteksi 12 titik tubuh utama (bahu, siku, pergelangan tangan, pinggul, lutut, pergelangan kaki) dari setiap frame video, yang dikonversi menjadi vektor numerik. Penentuan kategori “benar” dan “salah” dilakukan berdasarkan observasi visual terhadap postur, seperti kelurusan punggung, sudut siku, dan kestabilan tubuh, sesuai label dari sumber dataset. Data yang telah dilabeli digunakan untuk melatih model Random Forest, yang kemudian diuji dengan berbagai nilai random state. Hasil menunjukkan bahwa model memiliki akurasi tertinggi pada random state 0. Sistem ini juga dilengkapi antarmuka grafis (GUI) untuk mempermudah pengguna dalam mengunggah video dan memperoleh hasil klasifikasi secara langsung. Hasil ini berpotensi mendukung latihan kebugaran secara mandiri dan terstandar.
References
[1] A. Muzakir, “Rancang Bangun Aplikasi Push up Detector Untuk Mendeteksi Kesalahan Gerakan Push up,” Annu. Res. Semin. Comput. Sci. ICT, 2016.
[2] A. L. Kalua, J. R. Kaplale, N. Klarissa, R. Mapalie, dan J. K. Unsrat, “PENGEMBANGAN ALAT TES KESAMAPTAAN TNI / POLRI BERBASIS TEKNOLOGI COMPUTER VISION DAN IOT DENGAN METODE POSE,” vol. XIII, no. 2, hal. 294–299, 2024.
[3] A. Z. M Kumroni Makmuri, “PENERAPAN METODEQUALITY FUNCTION DEPLOYMENT (QFD) PADA PENGEMBANGAN PRODUKLOCKER,” hal. 1–23, 2016.
[4] V. N. U. R. Rahmawati, “KLASIFIKASI GERAKAN PENCAK SILAT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK BERBASIS BODY POSE,” INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA, 2023. [Daring]. Tersedia pada: https://repository.its.ac.id/99417/2/07111950050005-Master_Thesis.pdf
[5] S. A. Kaffah dan Y. Ramdhani, “Gesture Recognition untuk Deteksi Bahasa Isyarat BISINDO: Pendekatan Mediapipe dan Random Forest,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 8, no. 3, hal. 105, 2023, doi: 10.31328/jointecs.v8i3.4813.
[6] H. Diki Taufi, “Human Motion Detection Untuk Terjemah Bahasa Isyarat Menggunakan Metode Random Forest Skripsi,” UNIVERSITAS MUHAMMADIYAH MALANG, 2023. [Daring]. Tersedia pada: https://eprints.umm.ac.id/id/eprint/946/1/PENDAHULUAN.pdf
[7] A. B. Rizki dan E. Zuliarso, “Klasifikasi Teknik Bulutangkis Berdasarkan Pose Dengan Convulutional Neural Network,” J. Ilm. Inform., vol. 10, no. 02, hal. 96–101, 2022, doi: 10.33884/jif.v10i02.5559.
[8] N. Rahmalia, “Kaggle , Komunitas Belajar Data Science yang Bisa Jadi Sumber Uang Apa Itu Kaggle ?” Diakses: 23 April 2025. [Daring]. Tersedia pada: https://glints.com/id/lowongan/kaggle-adalah/
[9] M. P. Dr. M.E. Winarno, EVALUASI DALAM PENDIDIKAN JASMANI DAN OLAHRAGA. JAKARTA: CENTER FOR HUMAN CAPACITY DEVELOPMENT, 2004. [Daring]. Tersedia pada: https://fik.um.ac.id/wp-content/uploads/2018/02/buku-5.pdf
[10] I. Aprilo dan Yasriuddin, “Studi Awal Pengembangan Instrument Tes Push Up Berbasis It,” J. Il., vol. VII, no. 2, hal. 1–107, 2016.
[11] J. Naldi, “Pengaruh Latihan Push-up Terhadap Kemampuan Volley Atlet Tenis Lapangan PTL UNP,” vol. 4, hal. 11587–11599, 2024, [Daring]. Tersedia pada: http://repository.unp.ac.id/3602/1/02_A_FADLI_MUKHTAR_85562_1479_2012.pdf
[12] C. Lugaresi et al., “MediaPipe: A Framework for Building Perception Pipelines,” 2019, [Daring]. Tersedia pada: http://arxiv.org/abs/1906.08172
[13] R. Arlin dan R. Munir, “Thesis The Development of Push Up Counter Android Application with Computer Vision,” 2023.
[14] N. B. Putri dan A. W. Wijayanto, “Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing Comparative Analysis Of Data Mining Classification Algorithm In Phishing Website Classification,” vol. 11, no. 28, hal. 59–66, 2022, doi: 10.34010/komputika.v11i1.4350.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Riko Andriawan, Patmi Kasih, Danar Putra Pamungkas