<![CDATA[Penggunaan laptop dalam waktu lama dapat menyebabkan postur tubuh yang tidak ergonomis, seperti kepala terlalu menunduk, bahu tidak sejajar, dan posisi duduk yang kurang stabil. Kondisi tersebut dapat meningkatkan risiko keluhan fisik, terutama pada bagian leher, bahu, dan punggung. Penelitian ini bertujuan untuk mengevaluasi akurasi model klasifikasi postur ergonomis pengguna laptop menggunakan MediaPipe Pose dan algoritma K-Nearest Neighbors. MediaPipe Pose digunakan untuk mengekstraksi koordinat landmark tubuh bagian atas dari gambar statis, sedangkan KNN digunakan untuk mengklasifikasikan postur ke dalam dua kategori, yaitu postur baik dan postur buruk. Dataset yang digunakan berjumlah 300 gambar, terdiri dari 150 gambar postur baik dan 150 gambar postur buruk. Dataset juga memperhatikan tiga variasi bentuk tubuh, yaitu kurus, agak kurus, dan gemuk. Landmark yang digunakan meliputi hidung, telinga kiri, telinga kanan, bahu kiri, dan bahu kanan. Setiap landmark menghasilkan koordinat x, y, dan z, sehingga setiap data memiliki 15 fitur numerik. Dataset dibagi menjadi data latih dan data uji dengan rasio 80:20. Fitur dinormalisasi menggunakan Min-Max Normalization sebelum diklasifikasikan. Model KNN menggunakan nilai K = 3 dan Euclidean Distance. Hasil pengujian menunjukkan bahwa model memperoleh accuracy sebesar 100% pada 60 data uji. Nilai precision, recall, dan F1-score pada kelas baik dan buruk mencapai 1,0. Hasil ini menunjukkan bahwa fitur landmark tubuh bagian atas yang diekstraksi menggunakan MediaPipe Pose dapat digunakan oleh KNN untuk mengklasifikasikan postur pengguna laptop pada dataset yang digunakan dalam penelitian ini.]]>
Copyrights © 2026
