<![CDATA[Identifying the ripeness level of tomatoes (Solanum lycopersicum) is important in agriculture because it affects product quality, market value, and harvesting efficiency. This study aims to classify tomato ripeness (raw, semi-ripe, ripe) using digital images through Teachable Machine (Google's AI platform). The approach used is image-based classification utilizing machine learning techniques to detect color and texture patterns. Data were collected directly, labeled, and used to train the model. Evaluation results showed high accuracy (94%) and low loss values. The developed prototype allows real-time ripeness classification. The implementation of these findings is expected to improve harvest quality, reduce losses, and support sustainable agriculture through systematic technology. Keywords: Teachable Machine. Classification, Tomato Ripeness, image. Identifikasi tingkat kematangan tomat (Solanum lycopersicum) penting dalam agrikultur karena memengaruhi kualitas produk, nilai jual, dan efisiensi panen. Studi ini bertujuan mengklasifikasikan kematangan tomat (mentah, setengah matang, matang) menggunakan citra digital melalui Teachable Machine (platform AI Google). Pendekatan yang digunakan adalah klasifikasi berbasis gambar yang memanfaatkan teknik pembelajaran mesin untuk mendeteksi pola warna dan tekstur. Data diperoleh langsung, dilabeli, dan digunakan untuk melatih model.Hasil evaluasi menunjukkan akurasi tinggi (94%) dan nilai kerugian rendah. Prototipe yang dikembangkan memungkinkan klasifikasi kematangan secara waktu nyata. Implementasi temuan ini diharapkan dapat meningkatkan mutu hasil panen, meminimalisir kerugian, dan mendukung pertanian yang berkelanjutan melalui pendekatan teknologi yang terencana. Kata Kunci: Teachable Machine. Klasifikasi, Kematangan Tomat, gambar.]]>
Copyrights © 2026
