<![CDATA[Penelitian ini mengusulkan sebuah sistem berbasis kecerdasan bu-atan untuk mengevaluasi gerakan squat secara otomatis menggunakan pendekatan Human Pose Estimation dan algoritma Random Forest. Sistem yang dikembangkan memanfaatkan frame-work MediaPipe untuk mendeteksi titik-titik tubuh dari video gerakan squat yang direkam dari tampilan samping. Titik-titik terse-but kemudian digunakan untuk menghitung sudut sendi utama, yaitu pinggul, lutut, dan pergelangan kaki, yang berfungsi sebagai fitur numerik dalam proses klasifikasi. Dataset terdiri dari 2072 sampel data berlabel, yang digunakan dalam proses pelatihan dan pengujian model dengan teknik validasi silang 5-fold. Model klasifikasi yang dihasilkan mampu mencapai akurasi hingga 96,4%. Selain klasifi-kasi benar atau salah, sistem juga memberikan umpan balik korektif berupa teks jika sudut gerakan melebihi ambang biomekanik yang telah ditentukan, seperti “squat terlalu dalam”. Hasil penelitian menunjukkan bahwa sistem ini efektif digunakan untuk mengeval-uasi kualitas gerakan squat secara objektif, dan berpotensi untuk diterapkan lebih lanjut dalam bentuk aplikasi kebugaran berbasis mobile, baik untuk keperluan latihan mandiri maupun pembelajaran teknik olahraga.]]>
Copyrights © 2026
