Abstract:
Buah belimbing (Averrhoa carambola L.) merupakan salah satu komoditas
hortikultura unggulan yang memiliki potensi ekspor tinggi, namun proses sortasi
pascapanen masih banyak dilakukan secara manual sehingga rawan kesalahan dan
tidak konsisten. Penelitian ini bertujuan untuk mengembangkan sistem otomatis
deteksi tingkat kematangan dan ukuran buah belimbing berbasis kamera ESP32-
CAM, sensor berat (load cell + HX711), serta algoritma Convolutional Neural
Network (CNN) yang diintegrasikan dengan Internet of Things (IoT). Sistem
bekerja dengan menimbang buah menggunakan load cell untuk menentukan
kategori ukuran sesuai SNI 4491:2009, kemudian citra buah ditangkap oleh
ESP32-CAM dan diproses dengan CNN untuk klasifikasi tingkat kematangan
(mentah, setengah matang, matang sempurna). Hasil klasifikasi selanjutnya
dikirim secara real-time melalui aplikasi Telegram. Pengujian menggunakan 30
sampel buah belimbing menunjukkan akurasi CNN sebesar 86,6% dalam
klasifikasi kematangan, sedangkan sensor load cell memiliki error pengukuran
rata-rata ±1–2%. Sistem ini terbukti mampu melakukan proses sortir otomatis
dengan tingkat akurasi yang baik, efisien, serta mudah dipantau dari jarak jauh.
Penelitian ini diharapkan dapat mendukung petani maupun pelaku usaha kecil
dalam meningkatkan mutu hasil panen agar sesuai standar pasar lokal dan ekspor.
