Klasifikasi Penyakit Bibit Tanaman Sawit Menggunakan Metode Support Vector Machine

Afrizal, Muhammad (2026) Klasifikasi Penyakit Bibit Tanaman Sawit Menggunakan Metode Support Vector Machine. Diploma thesis, Universitas Islam Indragiri.

Preview	Text 403221010048, MUHAMMAD AFRIZAL, AWAL.pdf Download (1MB) | Preview
Preview	Text 403221010048, MUHAMMAD AFRIZAL, BAB I.pdf Download (417kB) | Preview
Preview	Text 403221010048, MUHAMMAD AFRIZAL, BAB II.pdf Download (417kB) | Preview
Preview	Text 403221010048, MUHAMMAD AFRIZAL, BAB III.pdf Download (542kB) | Preview
	Text 403221010048, MUHAMMAD AFRIZAL, BAB IV.pdf Restricted to Repository staff only Download (745kB)
Preview	Text 403221010048, MUHAMMAD AFRIZAL, BAB V.pdf Download (317kB) | Preview
Preview	Text 403221010048, MUHAMMAD AFRIZAL, PENUTUP.pdf Download (307kB) | Preview
Preview	Text SKRIPSI MUHAMMAD AFRIZAL SI 25%.pdf Download (1MB) | Preview

Abstract

Tanaman kelapa sawit merupakan salah satu komoditas perkebunan yang memiliki nilai ekonomi tinggi, namun pada fase pembibitan rentan terserang penyakit yang dapat menghambat pertumbuhan dan menurunkan kualitas bibit. Proses identifikasi penyakit yang selama ini masih dilakukan secara manual berdasarkan pengamatan visual memiliki keterbatasan, seperti ketergantungan pada pengalaman pengamat, potensi kesalahan identifikasi, serta membutuhkan waktu yang relatif lama. Penelitian ini bertujuan untuk merancang sistem klasifikasi penyakit bibit tanaman sawit berbasis aplikasi Android menggunakan metode Support Vector Machine (SVM), mengintegrasikan model SVM ke dalam aplikasi tersebut, serta menilai kinerja model dalam membedakan kondisi bibit sawit. Penelitian menggunakan dataset sebanyak 3.000 citra bibit sawit yang terbagi ke dalam tiga kelas, yaitu bibit sehat, bibit terserang serangga, dan bibit bercak daun. Citra diproses melalui tahap pra-pemrosesan, ekstraksi 88 fitur citra terstruktur (statistik warna, histogram, tekstur, dan fitur bercak), serta dinormalisasi menggunakan StandardScaler sebelum diklasifikasikan menggunakan algoritma SVM dengan kernel Radial Basis Function (RBF). Model yang diperoleh selanjutnya diintegrasikan ke dalam aplikasi Android berbasis Kotlin dan Jetpack Compose yang mampu melakukan klasifikasi secara offline langsung pada perangkat. Hasil pengujian pada 411 citra data uji menunjukkan bahwa model SVM memperoleh akurasi sebesar 99,27%, precision sebesar 99,29%, recall sebesar 99,27%, dan F1-score sebesar 99,27%. Hasil pengujian Blackbox Testing juga menunjukkan bahwa seluruh fungsi aplikasi telah berjalan sesuai dengan rancangan. Dengan demikian, metode SVM terbukti efektif digunakan dalam vii mengklasifikasikan penyakit bibit tanaman sawit dan dapat diimplementasikan secara praktis melalui aplikasi Android.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Klasifikasi Penyakit, Bibit Sawit, Support Vector Machine, Aplikasi Android, Ekstraksi Fitur.
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User:	Nilam Sari
Date Deposited:	15 Oct 2026 03:57
Last Modified:	15 Oct 2026 03:57
URI:	http://repository.unisi.ac.id/id/eprint/1485

Actions (login required)

View Item