Penilaian gerakan push-up secara mandiri sering mengalami kendala karena keterbatasan pengawasan, sehingga kesalahan teknik sering tidak disadari dan dapat mengurangi efektivitas latihan serta meningkatkan risiko cedera. Penelitian ini bertujuan mengembangkan aplikasi evaluasi gerakan push-up secara real-time berbasis visi komputer untuk mengidentifikasi kualitas gerakan dan memberikan umpan balik terhadap kesalahan yang dilakukan pengguna. Aplikasi memanfaatkan metode MoveNet untuk mengekstraksi 17 titik keypoint tubuh dari setiap frame video, kemudian data sekuensial tersebut diproses menggunakan model Bidirectional Gated Recurrent Unit (BiGRU) untuk mengklasifikasikan gerakan push-up sesuai kategori yang telah ditentukan. Tahapan penelitian meliputi pengumpulan dan prapemrosesan data, ekstraksi keypoint, pelatihan model, serta implementasi pada aplikasi Android untuk pengujian secara real-time. Hasil penelitian menunjukkan bahwa aplikasi mampu melakukan klasifikasi gerakan push-up dan memberikan evaluasi terhadap kesalahan gerakan berdasarkan hasil deteksi model yang telah dilatih. Implementasi aplikasi pada perangkat bergerak memungkinkan pengguna memperoleh umpan balik secara langsung selama berolahraga. Penelitian ini diharapkan dapat menjadi media pendukung latihan mandiri yang membantu pengguna melakukan gerakan push-up dengan teknik yang lebih benar dan efektif.