IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI GERAKAN ANGKAT BEBAN

Candra, Gea Vista Yulia (2025) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI GERAKAN ANGKAT BEBAN. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_55201_2113020033.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (Cover sd BAB 1 + References) RAMA_55201_2113020033_ 0708028704_0701107802_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (909kB)
	Text (Similarity) RAMA_55201_2113020033_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (BAB 2) RAMA_55201_2113020033_ 0708028704_0701107802_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (374kB) | Request a copy
	Text (BAB 3) RAMA_55201_2113020033_ 0708028704_0701107802_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (559kB) | Request a copy
	Text (BAB 4) RAMA_55201_2113020033_ 0708028704_0701107802_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (707kB) | Request a copy
	Text (BAB 5) RAMA_55201_2113020033_ 0708028704_0701107802_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (128kB) | Request a copy
	Text (References) RAMA_55201_2113020033_ 0708028704_0701107802_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (132kB)
	Text (Lampiran) RAMA_55201_2113020033_ 0708028704_0701107802_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (619kB) | Request a copy

Abstract

Penelitian ini membahas permasalahan dalam mendeteksi kesalahan teknik gerakan angkat beban yang sering terjadi saat latihan mandiri tanpa bimbingan pelatih, yang dapat meningkatkan risiko cedera. Sebagai solusi, dikembangkan sistem klasifikasi gerakan angkat beban menggunakan kombinasi metode Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). CNN digunakan untuk mengekstraksi fitur spasial dari pose tubuh yang diperoleh melalui MediaPipe, sedangkan LSTM dimanfaatkan untuk mengenali pola urutan gerakan secara temporal. Sistem ini dikembangkan untuk membedakan dua kelas, yaitu gerakan benar dan gerakan salah. Hasil pengujian menunjukkan bahwa model CNN-LSTM mampu mencapai akurasi sebesar 80%, yang membuktikan efektivitas pendekatan ini dalam mendeteksi dan mengklasifikasikan gerakan angkat beban secara otomatis, serta berpotensi digunakan sebagai alat bantu evaluasi teknik latihan yang praktis dan efisien.

Actions (login required)

View Item