<![CDATA[Kualitas buah yang baik sangat penting dalam industri pertanian dan perdagangan, karena buah yangtidak memenuhi standar dapat menyebabkan kerugian ekonomi dan dampak lingkungan yang signifikan.Metode tradisional dalam penilaian kualitas buah yang bergantung pada inspeksi manual sering kali tidakefisien dan rentan terhadap kesalahan. Dengan meningkatnya permintaan global untuk produksi pangan,diperlukan solusi yang lebih efektif. Penelitian ini menggunakan machine learning dan deep learning melaluiimage classification untuk mendeteksi kualitas buah secara real-time. Dataset tampilan atas buah jambu kristaldengan kelas grade_a, grade_b, dan grade_c yang secara keseluruhan berjumlah 451 gambar dirancangmenggunakan model convolutional neural network (CNN) menunjukkan hasil dengan model terbaikmenggunakan fungsi optimasi Adam mencapai accuracy 90,49%, precision 90,84%, recall 91,05%, dan F1-score 90,84% pada training dan validasi serta accuracy 88,33%, precision 88,88%, recall 88,33%, dan F1-score 87,83% pada testing. Model ini dikonversi ke TensorFlow Lite lalu diekspor ke ESP32-CAM denganbantuan Edge Impulse untuk deployment, memungkinkan klasifikasi gambar buah. Saat model terbaik tersebutdiuji dengan ESP32-CAM, diperoleh nilai accuracy 83,33%, precision 89,00%, recall 83,33%, dan F1-score82,33%.Kata Kunci: Kualitas Buah, Jambu Kristal, Machine Learning, Convolution Neural Network, ESP32-CAM]]>
