P Pengenalan gerakan berbasis sensor wearable dapat digunakan untuk mengidentifikasi pola aktivitas manusia melalui data deret waktu. penelitian ini mengevaluasi kemampuan generalisasi antar-subjek model 1d convolutional neural network (cnn) dalam mengklasifikasikan tiga gerakan ling tien kung, yaitu lipat pinggang, jongkok 8 titik, dan kocok seluruh badan. dataset terdiri atas 33 rekaman dari 11 subjek yang diperoleh menggunakan accelerometer dan gyroscope pada tangan dan kaki. data diresampling menjadi 20 hz dan diolah menggunakan sliding window sepanjang 40 sampel. model dievaluasi menggunakan leave-one-subject-out cross-validation untuk menguji kemampuan generalisasi terhadap subjek yang tidak terlibat dalam pelatihan. hasil evaluasi tingkat rekaman menunjukkan accuracy sebesar 69,70%, macro precision sebesar 69,44%, macro recall sebesar 69,70%, dan macro f1 sebesar 69,28%. gerakan jongkok 8 titik memperoleh f1-score tertinggi sebesar 86,96%, sedangkan kocok seluruh badan memiliki recall terendah sebesar 54,55%. hasil tersebut menunjukkan bahwa model mampu mengenali sebagian besar rekaman dari subjek baru, tetapi generalisasinya belum konsisten. selain itu, optimasi hyperparameter belum dilakukan sehingga konfigurasi model yang digunakan masih merupakan baseline. penelitian ini menunjukkan bahwa model 1d cnn berbasis sensor imu dapat digunakan untuk klasifikasi gerakan ling tien kung, namun diperlukan optimasi lebih lanjut untuk meningkatkan kemampuan generalisasi antar-subjek.kata kunci:ling tien kung, 1d convolutional neural network, sensor imu, klasifikasi gerakan, generalisasi antar-subjek, leave-one-subject-out.