Perkembangan industri pada era saat ini sudah berkembang pesat yang dapat
membuat perusahaan harus memiliki daya saing yang tinggi dengan menjaga dari
segi kualitas maupun kuantitas pada produk yang dihasilkan perusahaan. PT. XYZ
merupakan salah satu perusahaan yang berada pada bidang industri genting tanah
liat. Terdapat pengklasifikasian pada produk PT.XYZ yaitu genting bagus, genting
batu putih, genting retak dalam pengendalian kualitas. Dalam pengklasifikasiannya
PT XYZ masih menggunakan cara tradisional yaitu dengan penglihatan. Deteksi
kesalahan ataupun cacat bersifat tradisional dengan menggunakan penglihatan
manusia saja dapat membuat lambat proses dan meningkatkan tingkat kesalahan.
Dengan perkembangan otomasi yang pesat dapat mengatasi hal tersebut dengan
ditemukannya pendeteksi bersifat visual buatan yang menggunakan metode
pengukuran, preprocessing gambar, dan algoritma dalam mendeteksi cacat tersebut.
Pada penelitian ini menggunakan metode Support Vector Machine (SVM) dalam
melakukan pengklasifikasian cacat dan ekstraksi ciri menggunakan metode Local
Binary Pattern (LBP) yang terdapat pada genting. Pengambilan gambar secara
langsung pada penelitian ini menggunakan raspberry pi dan pembuatan sistem
algoritma menggunakan software pyhton. Penelitian ini menggunakan kernel linear
pada algoritma SVM. Hasil pada penelitian ini menyimpulkan bahwa tingkat
akurasi tertinggi yaitu 87,5% dengan menggunakan kernel linear. Sedangkan waktu
yang dibutuhkan dalam pengklasifikasian secara langsung sebesar 10,63 detik