Pengenalan Aktivitas Manusia atau Human Activity Recognition (HAR) dibahas dan dipelajari secara luas dan menjadi alat yang efektif dalam komputer visi. Pada pengembangan pengenalan aktivitas manusia telah dilakukan dengan berbagai jenis pendekatan dan menggunakan berbagai jenis sensor atau alat. Salah satu alat yang digunakan dalam pengembangan pengenalan aktivitas manusia adalah kamera Kinect. Kamera Kinect dipilih karena keandalannya dalam menghasilkan data depth dan skeleton tracking yang dapat digunakan untuk melakukan pengenalan aktivitas manusia. Penelitian ini mengusulkan penggunaan kamera Kinect untuk dapat melakukan pengenalan aktivitas manusia dengan menggabungkan fitur sudut skeletal dan normalisasi posisi joint skeleton. Sudut skeletal dipilih karena memiliki hubungan secara langsung dengan aktivitas manusia. Sedangkan normalisasi posisi joint skeleton dipilih karena menghilangkan karakteristik kebergantungan dari skeleton seperti jarak objek dengan Kinect dan inisialisasi posisi awal. Sudut skeletal didapatkan dengan menghitung vektor Euclidian dan besar vektor antara joint pusat dengan joint yang mengapitnya. Untuk normalisasi posisi joint skeleton didapatkan dengan melakukan translasi posisi joint skeleton ke dalam koordinat baru. Posisi koorindat baru menggunakan acuan joint pada tubuh bagian tengah yaitu panggul tengah atau perut. Gabungan fitur tersebut di-learning menggunakan metode Support Vector Machine (SVM) dan menghasilkan dataset aktivitas berdiri, duduk dan berjalan. Didapatkan performa keakurasian dari sistem yaitu 96,67% dengan tipe SVM C-SVC dan kernel SVM linear u’*v.