Azkia Maghfirah. 1505106010017. Klasifikasi Mutu Fisik Jagung Pipil Menggunakan Citra Digital dan Support Vector Machine (SVM) di bawah bimbingan Indera Sakti Nasution sebagai Pembimbing Utama dan Devianti sebagai Pembimbing Anggota. RINGKASAN Provinsi Aceh merupakan salah satu daerah yang sangat tinggi produksi tanaman jagung. Hal ini menunjukkan bahwa jagung banyak digunakan untuk dikonsumsi, akan tetapi jagung juga dapat digunakan sebagai pakan ternak. Permasalahan mutu jagung sampai saat ini masih menjadi persoalan penting, karena proses pemutuan masih dilakukan secara manual, dimana metode ini memiliki kelemahan yaitu kondisi fisik dan psikologis pengamat yang menyebabkan tidak konsistensinya hasil pemutuan, serta waktu yang dibutuhkan untuk proses pemutuan relatif lebih lama. Diperlukan adanya suatu metode untuk mengklasifikasikan mutu fisik jagung secara otomatis dengan akurasi yang tinggi. Pengolahan citra merupakan suatu alternatif untuk mengatasi permasalahan tersebut karena memiliki kemampuan yang lebih peka karena dilengkapi dengan sensor elektroptika yang dipastikan akan lebih tepat dan objektif. Teknologi pengolahan citra dibantu dengan alat penunjang keputusan seperti metode Support Vector Machine (SVM). Tujuan dari penelitian ini adalah untuk menentukan mutu jagung pipil dengan menggunakan pengolahan citra dan metode Support Vector Machine (SVM). Penelitian ini terdapat empat kriteria jagung berdasarkan Badan Standarisasi Nasional Indonesia (SNI) yaitu jagung utuh, jagung pecah, jagung busuk, dan jagung berjamur. Data berjumlah 1600 butir diantaranya 1200 butir untuk data training meliputi 400 butir untuk biji utuh, 400 butir untuk biji pecah, 400 butir untuk biji busuk dan 400 butir untuk biji berjamur serta 400 butir untuk data testing. Pengambilan citra dilakukan dengan menggunakan Kamera Kinect dalam format png dengan cara sejumlah biji di letakkan di atas background berwarna biru dan di atur dengan skenario jagung berhimpit, kamera diletakkan tepat di atas objek disertai penggunaan 4 buah lampu di keempat sisi background. Data citra diolah menggunakan software Halcon MVTec dengan memasukkan algoritma dan diklasifikasikan dengan menggunakan metode Support Vector Machine (SVM). Berdasarkan hasil penelitian yang diperoleh dari citra biji jagung menunjukkan bahwa pemisahan jagung pipil berhimpit dengan menggunakan metode distance transform dan watersheds segmentation diperoleh akurasi terbaik sebesar 97,37 %. Hal ini menunjukkan bahwa jagung pipil berhimpit mampu dipisahkan dengan baik. Proses klasifikasi dengan menggunakan metode Support Vector Machine (SVM) berdasarkan data uji testing diperoleh akurasi dimana untuk kriteria biji utuh sebesar 89 %, biji pecah diperoleh akurasi sebesar 68 %, biji busuk diperoleh akurasi sebesar 89 % dan biji berjamur diperoleh akurasi sebesar 91 %, sehingga rata-rata akurasi yang diperoleh sebesar 84,5 %. Hasil akurasi ini diperoleh dengan menggunakan 6 fitur yaitu, fitur area, fitur perimeter, fitur kontras, fitur energy, fitur warna R, dan fitur warna G.