Saat ini, penyortiran untuk pemilihan kualitas buah dilakukan secara manual hanya dengan penglihatan manusia dan membutuhkan waktu yang lama. Setiap orang memiliki argument yang berbeda sehingga ketika menentukan tingkat kematangan buah cenderung subjektif. Oleh karena itu, untuk mengatasi hal tersebut diberikan inovasi baru yaitu dengan bantuan komputer dan Raspberry Pi. Raspberry Pi digunakan untuk mendukung fleksibilitas karena menggunakan Internet (wireless).
Pada penelitian ini penyortiran dilakukan pada buah pisang karena pisang merupakan buah yang sangat digemari masyarakat dan produksi pisang di Indonesia melimpah. Pengklasifikasian tingkat kematangan pisang berdasarkan warna dibedakan menjadi 4 yaitu mentah, mengkal, matang, dan matang sekali. Penelitian ini menggunakan ekstraksi ciri Colour Grid dengan RGB dan YCbCR dan klasifikasi SupportVector Machine (SVM).
Sistem menggunakan 120 sampel citra sebagai data latih yang disimpan di dataset dan 100 citra uji yang tidak disimpan di dataset yang akan digunakan sebagai citra pengujian. Citra ditangkap melalui webcam lalu dihubungkan dengan Raspberry Pi dan kemudian diproses di komputer. Software yang digunakan adalah Matlab R2018a. Citra diolah dengan melakukan ekstraksi ciri Colour Grid dan mengambil warna RGB dan YCbCr serta klasifikasinya menggunakan SVM. Tingkat akurasi kematangan buah dapat dihitung dengan perbandingan jumlah data yang benar dengan jumlah data secara keseluruhan. Pada penelitian ini diperoleh akurasi sebesar 94% pada model SVM One Against One (OAO).
Kata Kunci: Raspberry Pi, Webcam, Colour Grid, RGB, YCbCr, Support Vector Machine (SVM).