Panahan menuntut postur dan teknik gerakan yang presisi untuk mencapai akurasi tembakan yang optimal. Kesalahan kecil pada postur dapat memengaruhi keseimbangan tubuh, efisiensi gerakan, dan bahkan meningkatkan risiko cedera. Penelitian ini mengusulkan pendekatan berbasis Pengenalan Aktivitas Manusia (HAR) menggunakan model Mediapipe untuk mendeteksi dan menganalisis postur pemanah secara otomatis secara waktu nyata (real-time). Teknologi ini memungkinkan identifikasi titik-titik kunci tubuh manusia dari citra video, yang kemudian diproses menggunakan metode ekstraksi fitur dan 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 dengan pelatih profesional untuk memastikan teknik yang tepat.
Hasil penelitian menunjukkan bahwa aplikasi HAR berbasis Mediapipe mampu mendeteksi postur pemanah dengan tingkat akurasi yang tinggi. Sistem ini efektif dalam mengidentifikasi teknik yang salah, memberikan umpan balik langsung, dan membantu pelatihan yang dipersonalisasi berdasarkan analisis data. Teknologi ini dapat diterapkan untuk mendukung pelatihan jarak jauh secara efisien dan membuka peluang baru dalam otomatisasi dan digitalisasi teknik evaluasi dalam olahraga. Dengan demikian, penelitian ini berkontribusi pada peningkatan kualitas pelatihan dan performa atlet melalui pendekatan berbasis data dan kecerdasan buatan.
Kata kunci: Pengenalan Aktivitas Manusia (HAR), Mediapipe, analisis postur, teknik memanah, CNN, pelatihan olahraga, evaluasi otomatis.