PENGEMBANGAN APLIKASI MOBILE UNTUK EVALUASI KUALITAS GERAKAN PLANK BERBASIS DEEP LEARNING

Gerakan plank merupakan salah satu latihan yang efektif untuk meningkatkan kekuatan otot inti, namun kualitas gerakan yang kurang tepat dapat mengurangi efektivitas latihan dan meningkatkan risiko cedera. Evaluasi gerakan plank umumnya masih dilakukan secara manual oleh pelatih sehingga kurang praktis untuk latihan mandiri. Penelitian ini bertujuan mengembangkan aplikasi mobile berbasis Android untuk melakukan evaluasi kualitas gerakan plank menggunakan pendekatan deep learning. Aplikasi memanfaatkan Human Pose Estimation (MoveNet) untuk mengekstraksi landmark tubuh, kemudian sudut persendian diubah menjadi data time-series yang digunakan sebagai masukan model Hybrid Convolutional Neural Network–Long Short-Term Memory (CNN-LSTM). Dataset yang digunakan terdiri dari 60 video gerakan plank yang telah divalidasi oleh personal trainer dengan pembagian 30 video gerakan benar dan 30 video gerakan salah. Hasil pengujian menunjukkan bahwa model memperoleh accuracy sebesar 97,08%, precision sebesar 97,14%, recall sebesar 97,06%, dan F1-score sebesar 97,08%. Selain itu, hasil perbandingan menunjukkan bahwa penggunaan 4 landmark seperti bahu, pinggul, lutut dan pergelangan kaki, menghasilkan performa terbaik dibandingkan penggunaan 3 landmark dan 17 landmark pada gerakan plank. Model yang telah dikembangkan berhasil diintegrasikan ke dalam aplikasi Android dan seluruh fitur aplikasi berjalan sesuai dengan kebutuhan berdasarkan hasil Black Box Testing dan dilakukan pengujian User Acceptance Test (UAT) yang melibatkan 10 responden menunjukkan tingkat penerimaan pengguna sebesar 92,4% pada kualitas model dan 90,75% pada kualitas aplikasi.