Detail Cantuman

Proses penyortiran tingkat kematangan tomat merupakan tahapan penting dalam pascapanen yang berpengaruh terhadap kualitas produk dan efisiensi distribusi. Pada praktiknya, proses grading tomat masih banyak dilakukan secara manual dengan mengandalkan pengamatan visual, sehingga berpotensi menimbulkan ketidakkonsistenan, membutuhkan waktu yang relatif lama, serta bergantung pada subjektivitas manusia. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem otomatisasi penyortiran tingkat kematangan tomat berbasis visi komputer menggunakan algoritma You Only Look Once versi 11 (YOLOv11) yang terintegrasi dengan mekanisme kendali motor servo.Dataset yang digunakan merupakan dataset primer berupa 3.000 citra buah tomat yang dikumpulkan secara mandiri dan diklasifikasikan ke dalam tiga kategori, yaitu tomat mentah, setengah matang, dan matang. Dataset diproses melalui tahapan preprocessing dan augmentasi data untuk meningkatkan variasi dan kualitas data pelatihan. Model YOLOv11 dilatih dan dievaluasi menggunakan metrik evaluasi precision, recall, mean Average Precision (mAP), serta loss function. Model yang telah dilatih selanjutnya diimplementasikan pada perangkat Raspberry Pi 5 sebagai unit pemrosesan utama dan diintegrasikan dengan motor servo 180° sebagai aktuator pemisahan tomat berdasarkan hasil klasifikasi.Hasil pengujian menunjukkan bahwa sistem yang dikembangkan mampu melakukan deteksi dan klasifikasi tingkat kematangan tomat secara real-time serta mengendalikan pergerakan motor servo sesuai dengan kategori tomat yang terdeteksi. Integrasi antara model YOLOv11, Raspberry Pi 5, dan aktuator servo membuktikan bahwa sistem ini dapat digunakan sebagai solusi otomatisasi penyortiran tomat yang lebih konsisten dan efisien dibandingkan metode manual. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem otomasi berbasis visi komputer pada sektor pertanian.