<![CDATA[Pemilihan bibit kelapa sawit yang tepat merupakan salah satu upaya dalam meningkatkan produktifitas tanaman kelapa sawit. Pada saat pemilihan bibit, permasalahan yang sering dihadapi adalah tidak semua jenis bibit dapat sesuai terhadap kondisi lahan dan jenis perawatan yang berbeda-beda. Oleh karena itu, dibutuhkan sebuah sistem yang membantu dalam menentukan jenis bibit yang sesuai dengan kondisi lahan dan perawatan yang diberikan. Dalam penelitian ini penulis menerapkan model prediksi machine learning dalam penentuan bibit kelapa sawit berdasarkan kondisi lahan dan perawatan tanaman. Tujuan penelitian ini adalah menghasilkan model klasifikasi penentuan bibit kelapa sawit berdasarkan kondisi daerah tanam dan perawatan. Metode yang digunakan dalam penelitian ini adalah naïve bayes dengan dua jenis naïve bayes yang berbeda yaitu gaussian naïve bayes dan multinomial naïve bayes dengan dua skenario pengujian. Hasil evaluasi menunjukkan bahwa performa dari model gaussian naïve bayes dan multinomial naïve pada skenario pengujian pertama bayes dengan nilai accuracy masing-masing sebesar 55% dan 62% serta nilai f1-score masing-masing 63% dan 66%. Sedangkan pada skenario pengujian kedua hasil evaluasi accuracy untuk model gaussian naïve bayes dan multinomial naïve bayes dengan nilai accuracy masing-masing sebesar 70% dan 68% serta f1-score masing-masing sebesar 69% dan 64%. Setelah dilakukan evaluasi model, maka model naïve bayes yang memiliki performa terbaik yaitu gaussian naïve bayes pada skenario pengujian kedua yang digunakan sebagai model prediksi machine learning untuk penentuan bibit kelapa sawit berdasarkan kondisi daerah tanam dan perawatan pada aplikasi generik yang dibangun pada penelitian ini.]]>
