Ibnu Rahmatullah Miftahul Fatah Pengarang Dr. Almido H. Ginting. ST., M.Eng Dosen Pembimbing 1 Wenefrida Tulit Ina. ST., MT Dosen Pembimbing 2 Dr. Almido H. Ginting. ST., M.Eng Ketua Penguji Wenefrida Tulit Ina. ST., MT Penguji 1 Hendrik Djahi, ST., MT Penguji 2

Tanaman tomat merupakan komoditas hortikultura yang sangat penting dan juga memiliki permintaan yang tinggi dipasar. Kualitas buah tomat sangat dipengaruhi oleh tingkat kematangannya. Penanganan pasca panen menjadi salah satu peran penting dalam menjaga kualitas buah tomat, salah satu indikator yang umum digunakan untuk menentukan kematangan buah tomat adalah warna kulitnya. Proses pemilihan tingkat kematangan buah tomat berdasarkan warna secara beragam dapat menggunakan sebuah alat dan metode, sehingga dapat mengklasifikasi warna buah tomat otomatis, penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi tingkat kematangan buah tomat berdasarkan warna menggunakan metode K-Neirest Neighbor (K-NN) berbasis arduino dengan pengaplikasian sensor TCS3200. Pada tahap pelatihan, sebanyak 21 sampel buah tomat digunakan sebagai data latih, yang terdiri dari 7 sampel buah tomat mentah, 7 sampel buah tomat setengah matang, dan 7 sampel buah tomat matang. Selanjutnya, 12 sampel buah tomat dengan kondisi 4 sampel mentah, 4 sampel setengah matang dan 4 sampel matang digunakan sebagai sampel uji. Pada tahap pengujian, sensor warna TCS3200 digunakan untuk mengambil data warna dari setiap sampel uji. Data warna tersebut kemudian diproses sebagai input algoritma K-NN pada arduino menggunakan empat parameter K yang berbeda, yaitu K = 3, 5, 7, dan 9. Setiap sampel buah tomat uji diklasifikasikan berdasarkan data warna yang telah diproses menggunakan masing-masing parameter K. Hasil klasifikasi dari sistem dibandingkan dengan label tingkat kematangan sebenarnya dari sampel buah tomat uji, dan memperoleh tingkat akurasi yang paling baik pada saat K = 9. Hasil pengujian menggunakan sampel uji dengan tiga tingkat kematangan yang berbeda pada saat K = 9 menunjukan bahwa sistem yang dikembangkan mampu mengklasifikasikan warna dengan tingkat akurasi sebesar 91% dan membutuhkan waktu komputasi sekitar 0,7 detik. Maka, sistem ini dapat digunakan sebagai alat bantu dalam mendeteksi tingkat kematangan buah tomat.