<![CDATA[Latihan fisik kalistenik berupa gerakan push-up sangat efektif untuk meningkatkan kekuatan otot, namun pemula sering kali melakukan kesalahan biomekanis seperti kompensasi penurunan panggul (hip sagging) dan pelebaran siku yang berlebihan. Kesalahan teknik ini dapat mereduksi efektivitas latihan serta meningkatkan risiko cedera atau patologi muskuloskeletal. Keterbatasan akses terhadap pelatih pribadi secara langsung mendorong perlunya inovasi teknologi pengawasan mandiri. Penelitian ini bertujuan untuk merancang dan membangun sistem evaluasi otomatis gerakan push-up menggunakan teknologi Computer Vision berbasis metode Pose Estimation dan Sistem Pakar Berbasis Aturan (Rule-Based Expert System). Sistem dikembangkan menggunakan kerangka kerja MediaPipe Pose (BlazePose) untuk melacak 33 titik landmark kerangka tubuh manusia secara real-time. Tahapan prapemrosesan citra mencakup penyesuaian resolusi ke 640x480 piksel, konversi ruang warna BGR ke RGB, serta penerapan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk mengatasi variabilitas pencahayaan. Ekstraksi fitur geometris dilakukan dengan menghitung sudut anatomis pada persendian siku dan panggul menggunakan fungsi matematika trigonometri (inverse tangent) berbasis koordinat spasial. Mesin inferensi sistem pakar memanfaatkan aturan logika IF-THEN (Forward Chaining) untuk mengklasifikasikan kualitas gerakan, seperti postur benar, panggul turun, siku melebar, maupun repetisi parsial. Evaluasi kinerja sistem dilakukan secara kuantitatif menggunakan instrumen Confusion Matrix untuk mengukur metrik Akurasi, Presisi, Recall, dan F1-Score. Hasil penelitian menunjukkan bahwa penggabungan metode Pose Estimation MediaPipe dan Sistem Pakar Berbasis Aturan mampu melakukan segmentasi titik sendi dan mendeteksi kesalahan biomekanis gerakan push-up secara presisi dan real-time, sehingga layak digunakan sebagai sarana evaluasi mandiri (self-assessment) bagi praktisi pemula.]]>
Copyrights © 2026
