Muhammad Akmal Mahasna Pengarang Saifu Rohman, M.Kom Dosen Pembimbing 2 Dian Asmarajati, S.Kom., M.Kom. Dosen Pembimbing 1 Erna Dwi Astuti., M.Kom. Penguji 2 Dian Asmarajati, S.Kom., M.Kom. Penguji 1

Tomat merupakan salah satu komoditas pertanian penting yang tingkat kematangannya sangat berpengaruh pada kualitas, nilai jual, dan ketahanan lama penyimpanan. Penentuan kematang tomat secara manual membutuhkan waktu yangrelatif lama dan bergantung pada penilaian indvidu. Penelitian ini mengembangkan sebuah aplikasi berbasis android untuk mengidentifikasi tingkat kematangan buahtomat secara otomatis dengan memanfaatkan metode Convolutional Neural Network (CNN). Arsitektur CNN yang digunakan adalah MobileNetV2. Dataset yang digunakan terdiri dari gambar tomat dalam tiga kelas kematangan, yaitu mentah, setengah matang, dan matang. Dataset dibagi menjadi 80% data latih, 10%data validasi, dan 10% data uji. Model CNN dilatih selama 30 epoch dan menghasilkan akurasi sebesar 93% pada data latih dan 94% pada data validasi. Pengujian dilakukan menggunakan data uji menghasilkan akurasi sebesar 98% menggunakan confusion matrix. Implementasi aplikasi berbasis android memungkinkan pengguna memilih gambar dari kamera atau galeri untuk proses identifikasi. Hasil pengujian pada aplikasi menunjukan tingkat akurasi sebesar100% pada ketiga metode input. Aplikasi diharapkan dapat membantu petani dalam mengoptimalkan proses panen dan menentukan tingkat kematangan buah tomatsecara efisien. Kata Kunci : Tomat, Convolutional Neural Network, MobileNetV2, Android.