Estimasi Gerakan Olahraga Push Up Menggunakan Multilayer Perceptron Classifier dan Mediapipe Pose

Bimasakti Cahyo Utomo (Mulawarman University)
Awang Harsa Kridalaksana (Mulawarman University)
Muhammad Ibadurrahman Arrasyid Supriyanto (Mulawarman University)
Chalsi Mala Sari (Mulawarman University)
Hidayatul Muttaqien (Mulawarman University)
Muhammad Labib Jundillah (Mulawarman University)
Vina Zahrotun Kamila (Mulawarman University)

Adopsi Teknologi dan Sistem Informasi
Vol. 5 No. 2 (2026): Adopsi Teknologi dan Sistem Informasi (ATASI)

Olahraga push up sangat diminati masyarakat untuk melatih kekuatan otot lengan dan dada. Penelitian ini bertujuan mengembangkan dan mengevaluasi model berbasis Multilayer Perceptron (MLP) dan MediaPipe Pose untuk mengestimasi teknik gerakan push up. Model memanfaatkan keypoints tubuh manusia yang diekstrak dari dataset gambar, yang diklasifikasikan ke dalam tiga kelas: fase ascend, descend, dan non-pushup. Pengujian model menggunakan confusion matrix dan macro average menunjukkan akurasi sebesar 89,8%, serta nilai recall, precision, dan F1-score masing-masing sebesar 88,8%, 89,7%, dan 89,2%. Selain itu, evaluasi kesesuaian gerakan (form) diuji menggunakan video dari tiga sudut pandang berbeda berdasarkan jumlah poin dan average confidence. Hasilnya menunjukkan performa model paling optimal pada sudut pandang samping dan diagonal dibandingkan sudut depan. Penelitian ini berkontribusi dalam menyediakan model berbasis keypoints untuk mendeteksi form push up secara lebih objektif.