Analisis Performa Metode CNN Dan LSTM Untuk Deteksi Gerakan Angkat Beban

Candra, Gea Vista Yulia
Pamungkas, Danar Putra
Kasih, Patmi

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Kesalahan dalam teknik angkat beban dapat meningkatkan risiko cedera dan mengurangi efektivitas latihan. Oleh karena itu, diperlukan sistem otomatis yang mampu mengidentifikasi kualitas gerakan secara akurat. Penelitian ini bertujuan untuk membangun dataset terlabeli dua kelas, yaitu "Benar" dan "Salah", serta mengimplementasikan model deep learning berbasis Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) untuk klasifikasi gerakan angkat beban. Data diperoleh dari video latihan, kemudian diekstrak menjadi frame dan dilabeli berdasarkan kategori folder. CNN digunakan untuk mengekstraksi fitur spasial dari setiap frame, sedangkan LSTM mempelajari pola temporal antar frame. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi sebesar 80% dalam membedakan gerakan yang dilakukan dengan benar dan salah. Temuan ini menunjukkan bahwa pelabelan dua kelas yang sistematis dan pemanfaatan arsitektur CNN-LSTM dapat digunakan secara efektif untuk mendeteksi kualitas gerakan dalam aktivitas angkat beban. Sistem ini berpotensi diterapkan sebagai alat bantu pelatihan yang cerdas dan adaptif di bidang kebugaran.