Analysis of Archery Posture and Technique Through Human Activity Recognition Utilizing MediaPipe

Abstrak

Panahan merupakan olahraga yang menuntut postur dan teknik gerakan yang presisi untuk mencapai akurasi tembakan yang optimal. Kesalahan postur sekecil apa pun dapat memengaruhi keseimbangan tubuh, efisiensi gerak, dan meningkatkan risiko cedera. Studi ini mengusulkan pendekatan Pengenalan Aktivitas Manusia (HAR) yang memanfaatkan model MediaPipe untuk mendeteksi dan menganalisis postur pemanah secara otomatis dan waktu nyata (real-time). Teknologi ini memungkinkan identifikasi titik-titik kunci tubuh manusia dari citra video, yang kemudian diproses melalui ekstraksi fitur dan metode klasifikasi berbasis Jaringan Saraf Tiruan Konvolusional (CNN). Data dikumpulkan melalui rekaman video 10 hingga 20 pemanah, dilanjutkan dengan ekstraksi pose dan analisis fitur spasial dan temporal menggunakan metode wavelet multiskala. Validasi dilakukan dengan membandingkan hasil klasifikasi dengan wawancara dari pelatih profesional untuk memastikan kesesuaian dengan teknik memanah yang tepat. Performa model dievaluasi menggunakan metrik presisi, recall, skor F1, dan akurasi. Temuan menunjukkan bahwa implementasi HAR berbasis MediaPipe secara efektif mendeteksi kebenaran postur pemanah dengan akurasi tinggi. Sistem ini terbukti efektif dalam mengidentifikasi teknik yang tidak tepat, memberikan umpan balik secara langsung, dan mendukung pelatihan personal berdasarkan data analitis. Teknologi ini dapat diterapkan untuk pelatihan jarak jauh yang efisien dan menawarkan peluang baru untuk otomatisasi dan digitalisasi dalam evaluasi teknik olahraga, sehingga meningkatkan kualitas latihan dan performa atlet melalui pendekatan berbasis data dan AI.