<![CDATA[Kualitas Tandan Buah Segar (TBS) kelapa sawit menentukan mutu minyak sawit yang dihasilkan. Klasifikasi kualitas TBS di lapangan masih dilakukan secara manual berdasarkan pengamatan visual yang subjektif dan tidak konsisten. Penelitian ini menerapkan metode Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF) untuk mengklasifikasikan kualitas TBS secara otomatis berbasis data numerik parameter laboratorium sebagai alternatif yang lebih praktis dan efisien. Data yang digunakan sebanyak 1.500 dataset hasil pemeriksaan laboratorium periode Februari 2025 dari PT XYZ, dengan parameter berat tandan, kandungan minyak, kadar air, dan brondol lepas. Preprocessing meliputi data cleaning, normalisasi Min-Max Scaling, dan encoding label, dengan pembagian data 80:20 menghasilkan 1.200 data training dan 300 data testing. Model dibangun dengan parameter C = 1,0 dan gamma (γ) = 1,0542 yang dihitung secara dinamis dari distribusi data training, menggunakan strategi klasifikasi multikelas One-vs-One (OvO). Evaluasi model menggunakan confusion matrix dengan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan model SVM mampu mengklasifikasikan kualitas TBS ke dalam tiga kategori mentah, matang, dan lewat matang dengan akurasi 95%. Penelitian ini berkontribusi dalam meningkatkan objektivitas, konsistensi, dan efisiensi proses klasifikasi kualitas TBS berbasis machine learning.]]>
Copyrights © 2026
