Sistem Yoga Pose Trainer Menggunakan Movenet Dan Convotional Neural Network Berbasis WEB

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi pose yoga berbasis kecerdasan buatan yang mampu bekerja secara real-time melalui aplikasi web. Permasalahan utama yang diangkat adalah kebutuhan akan media latihan yoga yang interaktif serta mampu memberikan umpan balik secara langsung kepada pengguna. Metode yang digunakan dalam penelitian ini adalah ekstraksi keypoint tubuh menggunakan MoveNet sebagai model pose estimation, serta Convolutional Neural Network (CNN) sebagai model klasifikasi. Data citra pose yoga diproses menjadi representasi numerik berupa koordinat keypoint sebelum digunakan dalam pelatihan model. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai tingkat akurasi yang tinggi dalam mengenali pose yoga, seperti Tree Pose dan Chair Pose, dengan nilai evaluasi mendekati sempurna pada sebagian besar kelas. Implementasi sistem berbasis web berhasil dilakukan dengan memanfaatkan TensorFlow.js sehingga sistem dapat berjalan secara real-time tanpa memerlukan server tambahan. Selain itu, sistem mampu memberikan umpan balik visual melalui perubahan warna skeleton serta fitur pengukuran waktu. Berdasarkan hasil yang diperoleh, dapat disimpulkan bahwa sistem yang dikembangkan mampu mendeteksi dan mengklasifikasikan pose yoga secara akurat serta memberikan pengalaman interaktif bagi pengguna.

Kata Kunci: cnn, movenet, pose estimation, real-time, web, yoga