<![CDATA[Daun sirih (Piper betle) memiliki beberapa varian yang berbeda,sebagian varian tersebut adalah sirih merah, hijau, dan hitam. Varian dari daun sirih tersebut masing-masing memiliki kegunaan yang berbeda dalam berbagai keperluan mulai dari keperluan medis hingga keperluan tradisional lainnya. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi jenis daun sirih berdasarkan fitur warna dan tekstur, dengan memanfaatkan salah satu metode seleksi fitur Algoritma Genetika untuk meningkatkan performa klasifikasi. Data citra daun sirih dikumpulkan melalui proses akuisisi citra digital, diikuti dengan segmentasi menggunakan metode thresholding untuk memisahkan daun dari latar belakang. Selanjutnya, proses preprocessing dilakukan dan setelah itu dilakukan proses ekstraksi fitur. Ekstraksi fitur warna dilakukan dalam ruang warna RGB, sedangkan ekstraksi fitur tekstur didapatkan dari Gray Level Co-occurrence Matrix (GLCM). Seleksi fitur menggunakan Algoritma Genetika diimplementasikan untuk mengurangi dimensi fitur dan mempertahankan fitur yang paling relevan. Metode klasifikasi K-Nearest Neighbor (KNN), Naive Bayes, dan Support Vector Machine (SVM) digunakan untuk mengklasifikan kelas dari daun sirih. Hasil penelitian menunjukkan bahwa seleksi fitur dengan Algoritma Genetika meningkatkan akurasi klasifikasi secara signifikan. KNN dan SVM mencapai akurasi 100% setelah seleksi fitur, sedangkan akurasi Naive Bayes meningkat dari 90% menjadi 91,67%. Hal ini menunjukkan bahwa implementasi seleksi fitur menggunakan Algoritma Genetika dapat meningkatkan performa akurasi pada klasifikasi daun sirih]]>
