<![CDATA[Seni bela diri merupakan aktivitas yang tidak hanya berfungsi sebagai metode pertahanan diri, tetapi juga memiliki manfaat positif seperti menjaga kesehatan, meningkatkan disiplin, dan mempromosikan nilai-nilai budaya. Dengan minat yang semakin meningkat terhadap teknologi deteksi gerakan bela diri untuk tujuan pelatihan dan edukasi, penelitian sebelumnya telah menggunakan berbagai metode seperti Convolutional Neural Network (CNN) untuk mendeteksi gerakan silat dengan akurasi 77%, serta Support Vector Machine dan YOLOv3 untuk klasifikasi pose dasar karate dengan hasil presisi, recall, dan F1 Score yang tinggi, meskipun masih terdapat tingkat kesalahan sebesar 66,66%. Namun, penelitian-penelitian tersebut umumnya terbatas pada deteksi satu jenis bela diri. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi gerakan bela diri berbasis web menggunakan metode YOLOv8, dengan fokus pada tiga jenis bela diri: karate, taekwondo, dan silat. Metode YOLO dipilih karena kemampuannya dalam mendeteksi objek secara real-time, dengan memprediksi kotak pembatas dan probabilitas kelas langsung pada satu gambar penuh dalam satu evaluasi. Model yang dikembangkan diharapkan dapat mengenali gerakan dengan tingkat akurasi minimal 90% dan mencakup 25 kelas gerakan yang meliputi ketiga jenis bela diri tersebut. Model ini dilatih secara real-time menggunakan data yang diolah dan di-augmentasi melalui Roboflow, serta menggunakan optimizer AdamW dengan learning rate 0.001. Pengujian dengan 50 epoch menunjukkan akurasi tinggi, dengan metrik precision, recall, dan F1 yang hampir sempurna. Model ini kemudian diimplementasikan dalam sebuah website sederhana yang memungkinkan pengguna mendeteksi gerakan bela diri secara interaktif, menunjukkan potensi besar dalam aplikasi praktis di masa depan. Penelitian ini diharapkan dapat mendorong pengembangan teknologi deteksi gerakan dalam seni bela diri dan memberikan kontribusi terhadap peningkatan kualitas latihan serta edukasi seni bela diri.]]>
