The mustard plant is a plant that is widely consumed by people and is also widely cultivated in Indonesia. However, the diseases and pests that often attack the sawi plants result in reduced productivity. The leaf image detection
system works by comparing the previously stored training image data with the image data to be tested. The test image data will be classified using the SVM application method, which serves to classify the class. Each pixel in the image
will be processed to convert the hue, saturation, value (HSV) color features into red, Green, Blue (RGB) first. After obtaining the HSV value, the classification process is carried out using the SVM method. The sample data in the study used 4 classes of training data classification with 5 data tested in each class data and 25 data tested. In this study, the results obtained from the accuracy of the plant image detection system reached 100%.

Tumbuhan sawi merupakan tumbuhan yang banyak dikomsumsi oleh
orang dan juga banyak dibudidayakan di Indonesia. Namun penyakit dan hama yang sering menyerang tumbuhan sawiyang mengakibatkan penurunan produktivitasnya. Sistem pendeteksi citra daun bekerja dengan cara membandingkan data citra latih yang telah tersimpan sebelumnya terhadap data citra yang akan diuji. Data citra uji akan diklasifikasikan dengan
menggunakan penerapan metode SVM yaitu berfungsi untuk
mengklasifikasikan kelas. Setiap piksel pada citra akan dilakukan proses konversi fitur warna hue, saturation, value (HSV) ke dalam red, Green, Blue (RGB) terlebih dahulu. Setelah didapat nilai HSV, maka dilakukan proses
klasifikasi menggunakan metode SVM. Data sampel pada penelitian ini menggunakan 4 kelas klasifikasi data latih dengan 5 data yang uji pada setiap data kelas dan 25 data yang di uji. Pada penelitian ini, diperoleh hasil dari
akurasi sistem pendeteksi citra tanaman dengan hasil mencapai 100%