<![CDATA[Indonesia merupakan produsen pisang terbesar ketiga di dunia, namun volume ekspornya masih sangat rendah karena belum optimalnya proses sortasi sesuai standar mutu ekspor. Untuk mengatasi permasalahan ini, penelitian ini merancang sistem sortasi otomatis berbasis computer vision yang mampu mengklasifikasi kondisi fisik pisang secara real-time sebagai upaya peningkatan efisiensi sortasi pascapanen. Model klasifikasi dikembangkan menggunakan platform Teachable Machine dengan total 3.000 citra pisang yang terbagi merata antara kategori segar dan busuk. Model dilatih menggunakan arsitektur CNN selama 50 epoch dan diimplementasikan dalam format TensorFlow.js. Hasil klasifikasi dikirim ke mikrokontroler ESP8266 untuk mengontrol aktuator berupa servo motor, serta ditampilkan pada Blynk Dashboard melalui koneksi Wi-Fi untuk keperluan monitoring. Sistem diuji menggunakan 20 sampel fisik pisang dan menghasilkan akurasi klasifikasi sebesar 90%, dengan waktu respon rata-rata antara 3 hingga 5 detik. Hasil ini menunjukkan bahwa sistem mampu melakukan proses sortasi secara otomatis dan real-time. Prototipe ini dinilai berhasil mencapai tujuan penelitian sebagai solusi inovatif untuk otomasi sortasi produk hortikultura, khususnya pisang. Kata kunci— sortasi pisang, computer vision, ESP8266, teachable machine, otomasi, blynk]]>
Copyrights © 2025
