Klasifikasi dan deteksi pose pilates menggunakan mediapipe dan random forest classifier

Penulis

  • Meylin Tiflakhul Mubayyin Program Studi Teknik Informatika, Politeknik Harapan Bersama
  • Erryka Maura Adysti Anantacia Program Studi Teknik Informatika, Politeknik Harapan Bersama
  • Chaerunnisa Salsabila Program Studi Teknik Informatika, Politeknik Harapan Bersama
  • Muhammad Fikri Hidayattullah Program Studi Teknik Informatika, Politeknik Harapan Bersama

DOI:

https://doi.org/10.24252/teknosains.v19i1.53698

Kata Kunci:

Pilates, Deteksi pose, MediaPipe, Random Forest Classifier, Real-time monitoring

Abstrak

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, memungkinkan latihan Pilates dilakukan secara mandiri dengan lebih aman dan optimal.

Unduhan

Diterbitkan

2025-06-13

Cara Mengutip

Mubayyin, M. T., Anantacia, E. M. A., Salsabila, C., & Hidayattullah, M. F. (2025). Klasifikasi dan deteksi pose pilates menggunakan mediapipe dan random forest classifier. Teknosains, 19(1), 56–63. https://doi.org/10.24252/teknosains.v19i1.53698

Terbitan

Bagian

Artikel

Artikel Serupa

<< < 1 2 3 4 5 6 > >> 

Anda juga bisa Mulai pencarian similarity tingkat lanjut untuk artikel ini.