PENGEMBANGAN SISTEM DETEKSI TINGKAT KEMATANGAN BUAH BELIMBING DENGAN MENGGUNAKAN ESP32-CAM DAN SENSOR BERAT BERBASIS IoT

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.