<![CDATA[Abstrak: Proses grading pascapanen tomat di Kabupaten Purbalingga umumnya masih dilakukan secara manual, sehingga rentan terhadap subjektivitas dan inkonsistensi mutu. Kondisi ini menyebabkan produk sulit dikategorikan ke dalam standar kualitas ekspor dan memicu risiko penolakan pasar. Penelitian ini bertujuan untuk mengembangkan dan menguji sistem cerdas berbasis computer vision menggunakan arsitektur YOLO guna melakukan klasifikasi dan pemilahan (grading) tomat secara otomatis. Metodologi penelitian mencakup pengumpulan dataset lokal tomat Purbalingga yang dibagi menjadi tiga kelas (matang tanpa cacat, rusak, dan mentah), pelatihan model, serta pengujian performa sistem secara empiris. Hasil pengujian menunjukkan kinerja model yang sangat baik dengan tingkat presisi mencapai 97,6% dan recall sebesar 95,7%. Hasil ini membuktikan bahwa model YOLO mampu mengidentifikasi mutu tomat secara akurat dan cepat. Sistem ini berpotensi besar untuk diintegrasikan ke dalam perangkat sortasi otomatis maupun platform digital di masa mendatang, guna meningkatkan efisiensi pascapanen, menjaga standarisasi mutu ekspor, serta memperkuat daya saing komoditas hortikultura di Kabupaten Purbalingga.]]>
Copyrights © 2026
