<![CDATA[Abstract: The process of detecting oil palm manually is very difficult if the tree is too tall, so a system is needed that can detect based on color, the use of backpropagation artificial neural networks is able to detect the level of ripeness where in this study Detection of the level of ripeness of oil palm fruit using 40 image data with 20 training data and 20 test data, based on the test results, the accuracy based on color reached 85%, with 17 accurate data and 3 inaccurate data. Optimization of image recognition up to 85% is achieved by considering two things, namely the right classification method and selective and appropriate feature extraction. Keywords: backpropagation, zoning, oil palm.Abstrak: Proses untuk mendeteksi kelapa sawit secara manual sangat sulit dilakukan jika pohon sudah terlalu tinggi, sehingga diperlukan suatu sistem yang bisa mendeteksi berdasarkan warna, penggunaan jaringan saraf tiruan backpropagation mampu mendeteksi tingkat kematangan dimana pada penelitian ini Deteksi tingkat kematangan buah kelapa sawit dengan menggunakan data citra sebanyak 40 data dengan 20 data latih dan 20 data uji, berdasarkan pada hasil pengujian didapatkan akurasi berdasarkan warna mencapai 85%, dengan jumlah 17 data yang akurat dan 3 data yang tidak akurat. Optimalisasi pengenalan citra hingga 85 % dicapai dengan memperhatikan dua hal, yaitu metode klasifikasi yang tepat dan ekstraksi ciri yang selektif dan sesuai. Kata kunci: backpropagation, zoning, kelapa sawit ]]>
