Klasifikasi dan Deteksi Ketepatan Pose Yoga Menggunakan Convolutional Neural Network (CNN) Berbasis Body Pose

Bagaskara, Burhannuddin (2023) Klasifikasi dan Deteksi Ketepatan Pose Yoga Menggunakan Convolutional Neural Network (CNN) Berbasis Body Pose. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211940000006-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (26MB) | Request a copy

Abstract

Melakukan pose yoga memang memiliki manfaat kesehatan yang sangat besar, akan tetapi jika pose yoga dilakukan dengan salah maka dapat menyebabkan risiko cidera pada tubuh. Selain itu, penelitian Suksesty dan Setiawa (2022) menunjukkan bahwa terdapat ibu hamil yang mengalami kesulitan saat melakukan pose yoga sehingga dibutuhkan panduan seperti vidio agar para ibu hamil dapat mempelajarinya dirumah. Akan tetapi hal tersebut dirasa kurang efektif karena ibu hamil tidak dapat mengetahui apakah pose yoga yang dilakukan sudah benar atau tidak. Oleh karena itu, peneliti tertarik untuk membuat suatu sistem klasifikasi dan deteksi ketepatan dalam melakukan pose yoga sehingga dapat membantu masyarakat dalam melakukan pose yoga dan meminimalisir resiko cedera pada tubuh. Dalam penelitian ini menggunakan Mediapipe untuk melakukan estimasi pada pose badan serta menggunakan Convolutional Neural Network (CNN) untuk melakukan proses training model. Proses training pada dataset yang sudah dikumpulkan berhasil dengan tingkat akurasi sebesar 96,41%. Hasil pengujian model menggunakan Confussion matrix dengan subjek berada ditengah dengan jarak 3 meter di depan kamera, dan di dalam ruangan dengan tingkat kecerahan sebesar 11 lux atau diatasnya mendapatkan akurasi yang tinggi yaitu 100%. Feedback koreksi berupa visual lingkaran pada keypoint dan berupa text panduan untuk membenahi pose yang salah akan muncul apabila sudut pengguna melebihi atau kurang dari sudut acuan dengan batas toleransi yang sudah ditentukan yaitu 15°.
=================================================================================================================================
Doing yoga poses does have huge health benefits, but if yoga poses are done incorrectly it can cause a risk of injury to the body. In addition, Suksesty and Setiawan (2022) research shows that there are pregnant women who experience difficulties when doing yoga poses, so a guide such as a video is needed so that pregnant women can learn it at home. However, this is considered less effective because pregnant women cannot know whether the yoga poses they are doing are correct or not. Therefore, researchers are interested in creating a classification system and detecting accuracy in doing yoga poses so that it can help people in doing yoga poses and minimize the risk of injury to the body. In this study using the Mediapipe to estimate body poses and use the Convolutional Neural Network (CNN) to carry out the model training process. The training process on the collected dataset was successful with an accuracy rate of 96.41%. The results of model testing using the Confussion matrix with the subject in the center at a distance of 3 meters in front of the camera, and in a room with a brightness level of 11 lux or above get a high accuracy of 100%. Correction feedback in the form of visual circles on keypoints and in the form of text guides for correcting wrong poses will appear if the user's angle exceeds or is less than the reference angle with a predetermined tolerance limit of 15°.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Body Pose, Convolutional Neural Network (CNN), Yoga
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Burhannuddin Bagaskara
Date Deposited:	20 Nov 2023 02:05
Last Modified:	20 Nov 2023 02:05
URI:	http://repository.its.ac.id/id/eprint/100864

Actions (login required)

View Item