Klasifikasi dan deteksi pose pilates menggunakan Mediapipe dan Random Forest Classifier

Abstract

Pilates merupakan latihan yang fokus pada kekuatan inti, fleksibilitas, keseimbangan, dan postur tubuh. Tantangan utama dalam latihan ini adalah memastikan gerakan dilakukan dengan teknik yang benar untuk menghindari cedera dan meningkatkan efektivitas latihan. Penelitian ini mengembangkan sistem berbasis web yang mengintegrasikan MediaPipe untuk deteksi pose tubuh dan Random Forest Classifier untuk klasifikasi kualitas gerakan. Sistem memanfaatkan MediaPipe dalam mendeteksi 33 landmark tubuh manusia secara real-time, yang kemudian digunakan untuk ekstraksi fitur berupa koordinat tubuh dalam ruang tiga dimensi. Data hasil ekstraksi dianalisis menggunakan Random Forest Classifier untuk membedakan antara pose yang dilakukan dengan benar dan salah. Model yang dibangun mencapai akurasi 87%, presisi 90%, recall 85%, dan F1-score 87,5%. Hasil menunjukkan bahwa sistem ini efektif dalam memberikan umpan balik real-time kepada pengguna, sehingga memungkinkan latihan pilates dilakukan secara mandiri dengan lebih aman dan optimal. Sistem ini berpotensi untuk diintegrasikan ke dalam aplikasi kebugaran berbasis mobile secara luas, sehingga dapat menjangkau lebih banyak pengguna yang membutuhkan bimbingan latihan personal secara virtual.