Mengklasifikasikan gerakan atlet panahan dari rekaman video masih menjadi tantangan dalam pengembangan sistem analisis olahraga. Identifikasi yang tepat pada setiap fase gerakan memanah seperti Setup, Draw and Aim, dan Expand and Shoot membutuhkan sistem yang dapat mengenali pola gerakan yang kompleks dengan tingkat presisi yang tinggi. Penelitian ini mengembangkan sistem klasifikasi pose berbasis YOLOv8 yang dikombinasikan dengan metode Support Vector Machine (SVM) dan Random Forest (RF) untuk menganalisa dan mengklasifikasikan gerakan-gerakan atlet panahan. Penelitian ini memberikan pendekatan baru dalam analisis gerakan memanah dengan mengintegrasikan deteksi pose menggunakan YOLOv8 dan teknik machine learning untuk klasifikasi yang lebih akurat. Sistem dikembangkan melalui beberapa tahap yaitu pengumpulan data video, perancangan dan implementasi sistem, serta analisis hasil implementasi. Prosesnya meliputi ekstraksi fitur gabungan menggunakan YOLOv8 dan klasifikasi menggunakan SVM dan RF untuk kategori Recurve dan Barebow. Hasil pengujian menunjukkan performa yang berbeda antara kedua metode klasifikasi. Untuk kategori Recurve, SVM mencapai akurasi 94% pada data training dan 90% pada data testing, sementara RF mencapai akurasi 100% pada training namun menurun menjadi 87% pada testing. Pada kategori Barebow, SVM menunjukkan akurasi 88% untuk training dan 76% untuk testing, sedangkan RF mencapai 100% untuk training tetapi menurun menjadi 75% pada testing. Kedua metode menunjukkan kecenderungan yang berbeda dalam hal generalisasi, dengan SVM menampilkan stabilitas yang lebih baik antara performa training dan testing. Kedua metode tersebut menunjukkan kecenderungan yang berbeda dalam hal generalisasi, dengan SVM menunjukkan stabilitas yang lebih baik antara kinerja pelatihan dan pengujian... Hasil penelitian menunjukkan bahwa kombinasi YOLOv8 dengan SVM memberikan performa yang lebih stabil dan dapat diandalkan untuk klasifikasi pose memanah, meskipun RF menunjukkan akurasi pelatihan yang lebih tinggi namun cenderung mengalami overfitting pada data testing