<![CDATA[Abstract: Moringa Olivera (MO) is a plant that offers numerous health benefits. In recent years, the leaves, seeds, and flowers of Moringa have been traditionally used in medicine. The leaves of Moringa Olivera contain various nutrients such as vitamins, minerals, amino acids, beta carotene, antioxidants, and other beneficial compounds. These compounds have the potential to help treat a range of diseases. Therefore, there is limited research available that classifies the specific content of these compounds in Moringa leaves. In this study, the traditional benefits of MO for treating diseases will be classified using Machine Learning (ML) techniques. Before classification, image processing steps such as preprocessing, segmentation, and feature extraction are performed to create an image dataset. As a result, 381 images of Moringa Olivera are categorized into two groups: 167 dry MO images and 214 wet MO images. The dataset is then organized based on the compound content and the diseases that can be treated. The next step involves using the SVM model to classify the images based on the benefit label, with 15 different disease categories. The SVM model achieves a training accuracy of 0.9078947368421053 and a testing accuracy of 0.8026315789473685, which are higher than those achieved by a regression classification model. Keywords: Detection, Classification, Moringa Olievera, Machine Learning, Image Procesing. Abstrak: Moringa Olivera (MO) merupakan tanaman yang memiliki banyak manfaat bagi dunia Kesehatan. Dalam beberapa dekade terakhir daun, biji, dan bunga MO telah banyak dimanfaatkan secara tradisional dalam melakukan pengobatan. Bagian daun MO mengandung Vitamin, Mineral, Asam Amino, Beta Karoten, Antioksidan, dan masih banyak lagi. Kandungan senyawa ini yang dapat dimanfaatkan untuk mengatasi berbagai penyakit. Namun, masih minim penelitian yang dilakukan untuk melakukan klasfikasi kandungan senyawa dari daun kelor. Oleh karena itu, pada penelitian ini akan dilakukan klasifikasi manfaat MO untuk mengobati penyakit secara tradisional menggunakan Teknik Machine Learning (ML). Pada penelitian ini sebelum dilakukan klasifikasi maka akan dilakukan pengolahan citra seperti preprocessing, segmentasi, dan ekstraksi untuk mendapatkan dataset citra. Hasilnya 381 citra MO dapat dibentuk menjadi suatu dataset berdasarkan dua kaegori yaitu 167 MO kering dan 214 MO basah. Dataset yang telah terbentuk kemudian dikumpulkan berdasarkan kandungan senyawa yang dimiliki dan penyakit yang dapat diobati. Tahapan selanjutnya menggunakan model SVM untuk melakukan klasifikasi berdasarkan label manfaat dengan 15 kelas penyakit. Hasilnya akurasi model pelatihan SVM sebesar 0,9078947368421053 dan pengujian sebesar 0,8026315789473685 lebih baik dari model klasifikasi regresi. Kata kunci: Deteksi, Klasifikasi, Moringa Olievera, Machine Learning, Image Procesing.]]>
