Revana Difa Fawzy Pengarang Erna Dwi Astuti., M.Kom. Dosen Pembimbing 1 Dimas Prasetyo Utomo, M.Kom Dosen Pembimbing 2 Erna Dwi Astuti., M.Kom. Penguji 1 Dimas Prasetyo Utomo, M.Kom Penguji 2

Buah stroberi memiliki nilai ekonomi tinggi, namun umur simpannya yang pendekmembuat penentuan waktu panen menjadi sangat krusial. Penilaian kematangansecara visual oleh petani dan pengunjung kebun masih bersifat subjektif, sehinggadiperlukan sistem klasifikasi otomatis yang akurat dan praktis. Penelitian inibertujuan untuk membangun aplikasi Android yang mampu mengklasifikasikantingkat kematangan buah stroberi (mentah, setengah matang, matang) berdasarkancitra digital menggunakan metode Convolutional Neural Network (CNN) denganarsitektur MobileNetV2. Dataset yang digunakan berjumlah 1.050 citra stroberiyang terdiri dari data publik dan hasil dokumentasi mandiri. Proses pelatihan modeldilakukan di lingkungan Google Colab dengan preprocessing meliputi resizing, normalisasi, dan augmentasi data. Model dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score, serta diimplementasikan ke dalam aplikasiberbasis Android menggunakan TensorFlow Lite. Hasil evaluasi menunjukkanbahwa model CNN dengan arsitektur MobileNetV2 mampu memberikan performaklasifikasi yang baik dan akurat dalam kondisi pencahayaan alami. Aplikasi yangdikembangkan memungkinkan pengguna untuk melakukan klasifikasi kematanganstroberi secara real-time melalui kamera ponsel maupun gambar dari galeri. Dengansistem ini, proses panen menjadi lebih tepat sasaran dan mendukung edukasiagrowisata secara digital. Kata Kunci: Stroberi, CNN, MobileNetV2, Klasifikasi Kematangan, Android