JTT (Jurnal Teknologi Terpadu)
Not a member yet
157 research outputs found
Sort by
Analisis dan Perancangan Antarmuka Aplikasi Wisata Menggunakan Metode User Centered Design (UCD)
Full text linkLampung has many tourist attractions and natural areas that attract the attention of tourists, both domestic and foreign. However, there are still challenges in optimizing Lampung's tourism potential. One of the challenges is limited access to information regarding tourist destinations, accommodation and available activities. Apart from that, coordination between tourists and related parties such as destination managers and tourism services also need to be improved. To overcome this problem, a prototype of the VACALAM (Vacation Lampung) application was designed using Figma with the User-Centered Design (UCD) method. This research aims to increase user comfort and satisfaction in using the Vacalam application and encourage tourists to visit Lampung. In this application there are several features including ticket booking features, tour lists, trending tours, and a list of events in Lampung. The results of this research are user interface designs that follow good design principles, including simplicity, consistency, and readability. The use of colors, typography, and icons are also considered to improve the clarity and visual appearance of the application. The good user interface design and user experience have been tested using the System Usability Scale (SUS), with a final score of 71.75. These results provide guidance for other application developers in designing engaging and responsive user interfaces and user experiences using Figma.Lampung memiliki banyak tempat wisata dan kawasan alam yang menarik perhatian para wisatawan, baik dalam maupun dari luar negeri. Namun, masih ada tantangan dalam mengoptimalkan potensi pariwisata Lampung. Salah satu tantangannya adalah akses informasi yang terbatas mengenai destinasi wisata, akomodasi, dan kegiatan yang tersedia. Selain itu, koordinasi antara wisatawan dan pihak terkait seperti pengelola destinasi dan pelayanan pariwisata juga perlu ditingkatkan. Untuk mengatasi masalah ini, dirancanglah prototipe aplikasi VACALAM (Vacation Lampung) menggunakan Figma dengan metode User-Centered Design (UCD). Penelitian ini bertujuan untuk meningkatkan kenyamanan dan kepuasan pengguna dalam menggunakan aplikasi Vacalam dan mendorong wisatawan untuk mengunjungi Lampung. Dalam aplikasi ini terdapat beberapa fitur di antaranya fitur pemesanan tiket, daftar wisata, wisata yang sedang trending, dan daftar acara di Lampung. Hasil dari penelitian ini berupa perancangan antarmuka pengguna yang mengikuti prinsip desain yang baik, termasuk kesederhanaan, konsistensi, dan keterbacaan. Penggunaan warna, tipografi, dan ikon juga dipertimbangkan untuk meningkatkan kejelasan dan tampilan visual aplikasi. Perancangan antarmuka pengguna dan pengalaman pengguna yang sudah baik telah diuji menggunakan System Usability Scale (SUS), dengan skor akhir sebesar 71,75. Hasil ini memberikan panduan bagi pengembang aplikasi lain dalam merancang antarmuka pengguna dan pengalaman pengguna yang menarik dan responsif menggunakan Figma
Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC
Full text linkThe MyPertamina application is a digital service application from Pertamina with various services initiated and created to carry out purchases in vehicle fuel transactions. The existence of the MyPertamina application made by PT Pertamina caused reactions and criticism from some application users. Each user has various opinions about the MyPertamina application, as evidenced by the different star ratings in Google Play Store reviews. This study aims to determine the sentiments of MyPertamina application users, which are divided into two classes, namely positive and negative. The dataset in this study uses scraping results from user reviews on the Google Play Store. The data taken to carry out sentiment analysis is from 1 July 2022 to 31 July 2022, and the dataset is taken randomly. The dataset is classified by rating: ratings 4 and 5 as positive sentiment and ratings 1, 2, and 3 as negative sentiment. In this study, Google Colab tools will be used using Python programming. The dataset used is 5722 data labeled positive and negative, with the division of training data by 80% and test data by 20%. The MyPertamina application sentiment analysis results tend to be hostile towards using the application. This study used classification with the Naïve Bayes Classifier (NBC) algorithm. By using the Naïve Bayes Classifier algorithm, it produces 87% accuracy, 86% precision, 90% recall, and 87% f1-score.Aplikasi MyPertamina merupakan aplikasi layanan digital dari Pertamina dengan berbagai layanan yang digagas dan diciptakan untuk melakukan pembelian dalam bertransaksi bahan bakar kendaraan. Adanya aplikasi MyPertamina yang dibuat oleh PT Pertamina menimbulkan reaksi dan kritik dari beberapa pengguna aplikasi. Setiap pengguna memiliki berbagai opini terhadap aplikasi MyPertamina dibuktikan dengan peringkat bintang yang beragam dalam ulasan Google Play Store. Tujuan dari penelitian ini adalah untuk mengetahui sentimen pengguna aplikasi MyPertamina yang dibagi ke dalam dua kelas yaitu positif dan negative. Dataset dalam penelitian ini menggunakan hasil scraping dari ulasan pengguna pada Google Play Store. Data yang diambil untuk melakukan analisis sentimen yaitu pada rentang tanggal 1 Juli 2022 - 31 Juli 2022 dan dataset diambil dengan acak. Dataset tersebut dengan pengklasifikasian rating yaitu rating 4 dan 5 sebagai sentimen positif, rating 1, 2 dan 3 sebagai sentimen negatif. Pada penelitian kali ini akan menggunakan tools Google Colab dengan menggunakan bahasa pemrograman Python. Dataset yang digunakan sebanyak 5722 data berlabel positif dan negatif dengan pembagian data latih sebanyak 80% dan data uji sebanyak 20%. Hasil analisis sentimen aplikasi MyPertamina cenderung bersifat negative terhadap penggunaan aplikasi. Penelitian ini menggunakan klasifikasi dengan algoritma Naïve Bayes Classifier (NBC). Dengan menggunakan algoritma Naïve Bayes Classifier menghasilkan accuracy 87 %, precision 86%, recall 90%, dan f1-score 87%
Progressive Web Apps: Pengembangan dan Studi Penerimaan pada Mahasiswa Indonesia Menggunakan Scrum dan UTAUT
Full text linkCurrently, the usage of mobile applications and the total activity on mobile phones through web browsing or native applications is very high. Most users use native mobile apps to browse the content of specific industries. Another way to do so is through a web browser. However, both have limitations. In web applications, users' experience is not that great compared to native applications. On mobile native applications, it requires higher development costs to ensure the app can be accessed across multiple platforms. To solve this problem, Google launched progressive web apps as an alternative, where progressive web apps can be accessed through different platforms, saving development costs but still providing a user experience almost the same as native apps. The focus of this research is to develop a progressive web app with React.js using the scrum method and also to research user acceptance of progressive web apps through qualitative methods/interviews based on the UTAUT research model to general students and lecturers of computer science. The result of this research, based on UTAUT points, shows positive responses toward accepting progressive web apps. Then with the rapid development of the web and browsers, progressive web apps will potentially have a promising future. With this research, it is hoped that can bring benefits to the decision to use the progressive web apps, become a reference for the next research, and increase the knowledge of the public and readers about the progressive web apps.Saat ini, penggunaan aplikasi mobile dan total aktivitas pada ponsel melalui penjelajahan web atau melalui aplikasi native sangat tinggi. Sebagian besar pengguna menggunakan aplikasi native mobile untuk menelusuri isi industri tertentu. Cara lain adalah dengan melalui browser web, namun keduanya memiliki keterbatasan. Pada penjelajahan web, user experience yang diterima pengguna tidak terlalu bagus dibandingkan dengan yang diterima pada native app, dan pada aplikasi native mobile, memerlukan biaya pengembangan yang lebih tinggi untuk memastikan aplikasi bisa diakses pada berbagai platform. Untuk mengatasi masalah tersebut, Google meluncurkan progressive web app sebagai sebuah alternatif, di mana progressive web apps bisa diakses di berbagai platform yang berbeda, menghemat biaya pengembangan namun tetap bisa memberi user experience yang hampir sama dengan native app. Fokus dari penelitian ini adalah mengembangkan sebuah progressive web apps dengan React.js menggunakan metode scrum, serta meneliti penerimaan pengguna terhadap progressive web apps melalui metode kualitatif/wawancara dengan model UTAUT kepada mahasiswa dan dosen ilmu komputer secara umum. Hasil penelitian yang berdasar atas poin-poin UTAUT, menunjukkan respons yang positif terhadap penerimaan progressive web apps. Kemudian dengan pengembangan-pengembangan cepat dari web dan browser, progressive web apps berpotensi besar memiliki masa depan yang menjanjikan. Dengan adanya penelitian ini, diharapkan bisa membawa manfaat untuk menilai penggunaan progressive web apps, menjadi acuan penelitian berikutnya, dan meningkatkan wawasan masyarakat dan pembaca mengenai progressive web apps
Design System pada Perancangan Antarmuka Perangkat Lunak Sistem Akses Digital
Full text linkIn developing software systems, there were no rules for making interface patterns in web base applications. The problem is the inconsistency of design styles between software, and the interface design development process takes a long time. This study aims to produce a design framework called Access Digital Design System. The system development method approach used in this research is Atomic Design which has several stages adapted to the investigation. In this study, the design system built is limited to product elements consisting of functional patterns and perceptual patterns. This research will produce a design system made up of perceptual and available marks as output artifacts in the form of code libraries, style guides, and pattern libraries. Based on the study, the designed Design System can reduce time spent creating user interface designs by using component guidelines and documentation with standardized foundation elements to increase productivity. Additionally, the final interface design becomes more consistent and uniform.Dalam mengembangkan sistem perangkat lunak, selama ini belum ada aturan tentang pola standar interface pada perangkat lunak berbasis web. Masalah inkonsistensi pada gaya desain antar perangkat lunak dan waktu yang dibutuhkan dalam pengembangan desain interface cenderung menghabiskan waktu. Penelitian ini bertujuan untuk menghasilkan kerangka kerja desain bernama Akses Digital Design System. Pendekatan metode perancangan desain sistem yang digunakan dalam penelitian ini adalah Atomic Design. Pada penelitian ini design system yang dibangun dibatasi berupa elemen product yang terdiri dari functional pattern dan perceptual pattern. Adapun hasil atau artefak keluaran menghasilkan design system yang terdiri perceptual pattern dan functional pattern dalam bentuk pattern library, style guide dan code library. Dari hasil penelitian, design system dapat meningkatkan produktivitas dalam mendesain antarmuka pengguna sehingga waktu yang diperlukan dapat dikurangi. Hal ini dikarenakan adanya dokumentasi sebagai panduan terkait komponen-komponen yang akan digunakan sebagai elemen dasar standar. Selain itu, desain user interface yang dihasilkan lebih menyatu dan konsisten
Analisis dan Perbandingan Tools Forensik menggunakan Metode NIST dalam Penanganan Kasus Kejahatan Siber
Full text linkCybercrime cases in Indonesia have increased yearly; during the COVID-19 pandemic as it is now, people rely on the internet to carry out daily activities such as teaching and learning activities, buying and selling online, working from home, etc. Therefore, cybercrime cases in Indonesia have increased. One of the most common examples is Cyberbullying cases on various social media networks with mobile platforms, one of which is WhatsApp Messenger. This study will analyze and compare the results of the MOBILedit Forensic Express and Magnet Axiom tools using the National Institute of Standards and Technology (NIST) method. This method can facilitate the investigation process in the case scenarios in this research. Researchers will also compare the results of the two tools used in this forensic process. The results of this study using the National Institute of Standards and Technology (NIST) method on the WhatsApp apps showed the Magnet Axiom tools were slightly superior with an accuracy of 82,8% compared to MOBILedit Forensics Express 72,7% in the condition that the object was not rooted.Kasus Kejahatan siber di Indonesia setiap tahunnya mengalami peningkatan, pada masa pandemi COVID -19 seperti sekarang, masyarakat mengandalkan internet untuk melakukan kegiatan sehari-hari seperti kegiatan belajar mengajar, jual-beli online, kerja dari rumah, dan lain sebagainya. Oleh karena itu kasus kejahatan siber di Indonesia mengalami peningkatan, salah satu contoh yang paling sering terjadi yaitu kasus Cyberbullying di berbagai jejaring social media dengan platform mobile, salah satunya WhatsApp Messanger. Penelitian ini akan menganalisis dan membandingkan hasil dari tools MOBILedit Forensic Express dan Magnet Axiom dengan menggunakan metode National Institute of Standards and Technology (NIST). Metode tersebut dapat memudahkan proses investigasi pada skenario kasus yang ada pada penelitian ini. Peneliti juga akan membandingkan hasil yang diperoleh oleh kedua tools yang digunakan pada proses forensik ini. Hasil dari penelitian ini pada aplikasi WhatsApp Messanger menunjukkan tools Magnet Axiom sedikit lebih unggul dengan akurasi 81,8% dibandingkan MOBILedit Forensics Express 72,7% dalam kondisi objek Un-rooted
Pengaruh Keseimbangan Data terhadap Akurasi Model Support Vector Machine pada Data Set Donor Darah
Full text linkIn classification, unbalanced data is expected. Unbalanced data has an inequality ratio between the majority and minority classes. Models trained with unbalanced data tend to predict the minority class as the majority class. This study aims to determine the effect of data balance on the accuracy of the Support Vector Machine (SVM) classification model. The data set used is the blood donor data set downloaded from the repository belonging to the University of California, Irvine (UCI). The Waikato Environment for Knowledge Analysis (WEKA) tool was chosen to present the results of training development and model testing. The research framework scheme is used as a reference for knowledge flow. In scenario 1, data pre-processing includes handling missing values using mean-impulse and normalizing MinMax scaling. With a data set that has an inequality ratio of 1:3, the SVM classifier gets an accuracy performance of 76.7%. In scenario 2, post-pre-processing is done by balancing the data using the Synthetic Minority Oversampling Technique (SMOTE). SVM classifier gets 69.8% accuracy performance. Model performance is evaluated using confusion metrics. The gap in recall values for each class is very high in scenario 1 (2.8% and 99.8%). Things are different in scenario 2 (75.6% and 64%). The test results of 748 samples obtained an accuracy of 76.7% for the scenario-1 model and 93.2% for the scenario-2 model. This proves that the balance of data influences the accuracy of the SVM classification model.Pada klasifikasi, data yang tidak seimbang menjadi hal yang umum ditemukan. Data yang tidak seimbang memiliki rasio ketimpangan kelas mayoritas dan minoritas. Model yang dilatih dengan data yang tidak seimbang mengakibatkan model cenderung memprediksi kelas minoritas sebagai kelas mayoritas. Penelitian ini memiliki tujuan untuk mengetahui pengaruh keseimbangan data terhadap akurasi model klasifikasi Support Vector Machine (SVM). Data set yang digunakan adalah data set donor darah yang diunduh dari repositori milik University of California,Irvine (UCI). Alat Waikato Environment for Knowledge Analysis (WEKA) dipilih untuk menyajikan hasil pengembangan pelatihan dan pengujian model. Skema kerangka kerja penelitian digunakan sebagai acuan Knowledge Flow. Pada skenario-1, pra-pemrosesan data mencakup penanganan missing value menggunakan mean-impulse dan normalisasi MinMax Scaling. Dengan data set yang memiliki rasio ketimpangan 1:3, pengklasifikasi SVM mendapatkan performa akurasi sebesar 76.7%. Sedangkan pada skenario-2, pasca pra-pemrosesan dilakukan penyeimbangan data menerapkan Synthetic Minority Oversampling Technique (SMOTE). Pengklasifikasi SVM mendapatkan performansi akurasi 69.8%. Kinerja model dievaluasi menggunakan confusion metric. Gap nilai recall tiap kelas sangat tinggi pada skenario-1 (2.8% dan 99.8%). Hal yang berbeda pada skenario-2 (75.6% dan 64%). Hasil uji 748 sampel, didapatkan akurasi 76.7% model skenario-1, dan akurasi 93.2% model skenario-2. Hal ini membuktikan bahwa keseimbangan data memiliki pengaruh terhadap akurasi model klasifikasi SVM
Pengembangan Aplikasi Emoticon Recognition dan Facial Recognition menggunakan Algoritma Local Binary Pattern Histogram (LBPH) dan Convolutional Neural Network (CNN)
Full text linkIn the current modern era facial recognition technology can be found inside of everyday life, but said technology still has a big problem which is deepfake, where in which a deepfake can bypass security systems created with facial recognition as its base, one facial aspect that a deepfake cannot replicate perfectly is the emotion that can be observed from expression, which is why an emotion can be used as a tool to detect a deepfake, which is why an application that can detect both face and emotion at the same time is needed to add security to facial recognition technology, writer has succeeded in creating an application that can do both emotion recognition and facial recognition at the same time using LBPH (Local Binary Pattern Histogram) algorithm and purposive sampling technique for the facial recognition aspect with 67.5% accuracy and CNN (Convolutional Neural Network) algorithm using FER2013 (Facial emotion Recognition 2013) dataset for the emotion recognition aspect with 58.4% accuracy, with CRISP-DM method that can achieve the average accuracy rate of 63%, because currently not many research combine facial recognition using LBPH (Local Binary Pattern Histogram) algorithm and emotion recognition using CNN (Convolutional Neural Network) algorithm at the same time.Pada zaman modern sekarang teknologi facial recognition sudah dapat ditemukan dalam kehidupan sehari-hari, akan tetapi teknologi ini masih memiliki satu masalah besar yaitu deepfake, dimana sebuah deepfake dapat mengelabui sistem keamanan yang dikembangkan berbasis facial recognition, salah satu aspek wajah yang belum dapat di replikasi dengan sempurna oleh deepfake adalah emosi yang dapat dilihat berdasarkan ekspresi wajah, oleh karena itu emosi dapat digunakan sebagai sebuah alat untuk mendeteksi sebuah deepfake, oleh karena itu dibutuhkan sebuah aplikasi yang dapat mendeteksi wajah dan emosi secara bersamaan untuk menambahkan keamanan teknologi facial recognition, penulis berhasil mengembangkan sebuah aplikasi yang dapat melakukan emotion recognition dan facial recognition secara bersamaan menggunakan algoritma LBPH (Local Binary Pattern Histogram) dengan data yang didapatkan menggunakan teknik purposive sampling untuk aspek facial recognition dengan keakuratan 67.5%Â dan algoritma CNN (Convolutional Neural Network) dengan menggunakan dataset FER2013 (Facial emotion Recognition 2013) untuk aspek emotion recognition dengan keakuratan 58.4%, menggunakan metode CRISP-DM yang dapat menghasilkan rata-rata keakuratan sebesar 63%, diakarenakan belum banyak penelitian yang menggabungkan facial recognition menggunakan algoritma LBPH (Local Binary Pattern Histogram) dengan emotion recognition menggunakan algoritma CNN (Convolutional Neural Network) secara bersamaan
Strategi Implementasi SIEM untuk Mengurangi Risiko terhadap Kebocoran Informasi
Full text linkMore than 100 instances of information leakage brought on by unauthorized access occurred in 2022. This study used case studies in conjunction with system development. Early Warning Systems (EWS) are intended to give current information on event violations. When the worker goes to the console, EWS will warn and ask for verification. In Centralised Log Management (CLM), data logs were filtered with a policy-based Correlation setup approach. Network Security devices are configured for Rule-Based Correlations, and log data will be forwarded to CLM. In the case of an occurrence, logs are crucial to the inquiry. We used the CLM model to secure log data. EWS can filter harmful activity and malicious events from all current devices using this CLM. EWS will send any malicious activities or events it detects through telegram and email. Applying CLM and EWS with IT risk measurement can assist in reducing the risk of information leakage and offer quick information for breaches or incidents, according to this study. Evaluation, which lasted for two weeks, produced outcomes including less unauthorized activity, outstanding performance in the notification system that may assist in verifying access to the proper privileges for accessing the device, and simple detection of unauthorized access and file modifications, among other things.Pada tahun 2022 terdapat lebih dari 100 kasus kebocoran informasi yang diakibatkan dari illegal akses. Penelitian ini, menggunakan metode System Development yang dikombinasikan dengan studi kasus. Early Warning Systems (EWS) dirancang untuk memberikan informasi secara realtime dari pelanggaran kejadian yang berlangsung. EWS juga membantu dalam verifikasi saat personil masuk ke dalam Console Perangkat. Teknik konfigurasi Policy Based Correlation dilakukan untuk mempermudah filter log yang masuk ke dalam Centralized Log Management (CLM). Konfigurasi Rule Based Correlation dilakukan pada perangkat Network Security dan log dari perangkat tersebut dikirimkan ke CLM. Log menjadi kunci dalam investigasi jika terjadi insiden. Teknik Pengamanan log yang dilakukan adalah dengan model CLM. Dari CLM inilah EWS dapat melakukan filter malicious activity dan malicious event dari seluruh perangkat. Malicious Activity dan Event yang ditangkap oleh EWS akan diteruskan informasinya melalui telegram dan email. Pengukuran Risiko IT dilakukan untuk mengukur seberapa jauh tingkat keamanan yang telah diterapkan dan dapat membantu mitigasi jika terjadi kebocoran data, informasi maupun pelanggaran dan insiden. Evaluasi dilakukan selama dua minggu dan mendapatkan hasil seperti berkurangnya aktivitas tanpa izin, kinerja maksimal pada sistem notifikasi yang dapat membantu verifikasi akses izin masuk ke dalam perangkat dan mudahnya pendeteksian jika terjadi ilegal akses, perubahan file dll
Rancang Bangun Website Lelang Mobil menggunakan Framework Codeigniter 3 pada PT.ABC
Full text linkAn auction is a public sale of goods by oral or written bidding to achieve the highest price. PT.ABC is an auction company engaged in car auctions. PT.ABC is still using conventional methods for auction activities. The conventional system has several disadvantages, including manual recording, vulnerability to loss, and bidders being required to come to the location to buy auction items. This research builds a car auction website to improve the efficiency of the auction business. The application was built using the CodeIgniter 3 Framework using the MySQL database and web socket technology, Socket.IO. The software development method uses the waterfall method. Data collection was carried out by interview and observation at PT.ABC obtained data on the needs of the online auction system, the flow of car auction activities, and the things participants need to take part in the auction. Application development used a modeling concept, namely UML. The application was tested using a user acceptance test with 5 respondents for the admin and 24 people for the front-end. Evaluation results show that the application is very feasible to use and helps the process of running a business, with results from the questionnaire for the admin website at 93% and the front-end website at 91.67%.Lelang adalah penjualan barang secara publik dengan penawaran lisan atau tertulis untuk mencapai harga tertinggi. PT.ABC merupakan perusahaan lelang yang bergerak di bidang lelang mobil. Kegiatan lelang yang dilakukan PT.ABC masih menggunakan cara konvensional. Sistem konvensional memiliki beberapa kekurangan di antaranya pencatatan yang manual, rentan hilang, dan peserta lelang wajib datang ke lokasi untuk membeli barang hasil lelang. Penelitian ini melakukan pembangunan website lelang mobil untuk meningkatkan efisiensi bisnis lelang. Aplikasi dibangun menggunakan Framework CodeIgniter 3 dengan menggunakan basis data MySQL dan teknologi websocket yaitu Socket.IO. Metode pengembangan perangkat lunak menggunakan metode waterfall. Pengumpulan data dilakukan dengan wawancara dan observasi di PT.ABC dan didapatkan data kebutuhan sistem lelang online, alur kegiatan lelang mobil dan hal-hal yang dibutuhkan peserta untuk mengikuti lelang. Pembangunan aplikasi digunakan sebuah konsep pemodelan yaitu UML. Aplikasi diuji dengan menggunakan user acceptance test dengan jumlah responden sebanyak 5 orang untuk admin dan 24 orang untuk front-end. Hasil evaluasi menunjukkan bahwa aplikasi sangat layak digunakan dan membantu proses berjalannya bisnis dengan hasil kuesioner website admin 93% dan website front-end 91,67%
Klasifikasi Motif Songket Palembang menggunakan Support Vector Machine berdasarkan Histogram of Oriented Gradients
Full text linkSongket Palembang is one of the intangible cultural heritages with the domain of traditional craftsmanship and crafts. Songket Palembang has several motifs, including Chinese Flowers, Cantik Manis, and Pulir. Preservation efforts are carried out by providing an understanding of Palembang Songket patterns. This study classified Palembang Songket patterns based on shape features using the Histogram of Oriented Gradient (HOG) method. Based on the test results of 45 test data images, the HOG method can become a feature in the image classification of Palembang Songket patterns, namely Chinese Flowers, Cantik Manis, and Pulir. The Support Vector Machine (SVM) method is a classification method that can recognize Palembang Songket patterns with RBF, Linear, and Polynomial kernels. The results showed that the RBF kernel was the best kernel that produced an average accuracy value of 88.1%, a precision of 84.1%, a recall of 82.2%, and an f1-score of 82.6%, and the three Palembang Songket patterns tested, it was found that the Palembang Songket patterns that were easiest to classify well were the Cantik Manis patterns for all types of SVM kernels.Songket Palembang merupakan salah satu warisan budaya takbenda dengan domain kemahiran dan kerajinan tradisional. Songket Palembang memiliki beberapa jenis motif antara lain Bunga Cina, Cantik Manis, dan Pulir. Upaya pelestarian dilakukan dengan memberikan pemahaman tentang motif songket palembang. Â Pada penelitian ini dilakukan pengklasifikasian motif songket Palembang berdasarkan fitur bentuk dengan menggunakan metode Histogram of Oriented Gradient (HOG). Â Berdasarkan hasil pengujian terhadap 45 citra data uji, bahwa metode HOG mampu menjadi fitur dalam klasifikasi citra motif Songket Palembang, yaitu motif Bunga Cina, Cantik Manis, dan Pulir. Metode Support Vector Machine (SVM) digunakan sebagai metode klasifikasi yang dapat mengenali motif Songket Palembang dengan kernel RBF, Linier dan Polinomial. Hasil pengujian menunjukkan bahwa kernel RBF menjadi kernel terbaik yang menghasilkan rata-rata nilai accuracy sebesar 88.1%, precision sebesar 84.1%, recall sebesar 82.2% dan f1-score sebesar 82.6% serta dari tiga motif songket Palembang yang diuji didapatkan hasil bahwa motif Songket Palembang yang paling mudah diklasifikasikan dengan baik adalah motif Cantik Manis untuk semua jenis kernel SVM