Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem otomatisasi mesin filling berbasis mikrokontroler Arduino yang terintegrasi dengan metode Neural Network (Jaringan Saraf Tiruan) guna meningkatkan efisiensi dan konsistensi dalam proses pengisian cairan, khususnya di sektor industri makanan dan minuman yang menuntut ketelitian tinggi. Sistem ini dirancang menggunakan berbagai komponen seperti sensor inframerah untuk deteksi botol, flow meter untuk mengukur volume cairan, serta aktuator berupa motor stepper dan pompa submersible 12V untuk mengatur aliran cairan secara otomatis. Model Neural Network yang digunakan bertipe Multilayer Perceptron (MLP), dilatih dengan data historis seperti durasi dan volume pengisian, dan diintegrasikan ke dalam sistem menggunakan TensorFlow Lite for Microcontrollers. Hasil pengujian menunjukkan bahwa sistem mampu meningkatkan akurasi pengisian, mengurangi kesalahan seperti underfill dan overfill, serta meningkatkan efisiensi proses produksi dibandingkan dengan metode manual dan otomatis konvensional. Dengan pendekatan ini, sistem tidak hanya menjadi solusi teknologi yang presisi dan efisien, tetapi juga ekonomis dan mudah diadopsi oleh pelaku industri kecil dan menengah (IKM) yang membutuhkan teknologi otomatisasi tanpa investasi besar maupun kompleksitas tinggi.

This study aims to design and implement an automated filling machine system based on the Arduino microcontroller integrated with a Neural Network (Artificial Neural Network) to improve efficiency and consistency in liquid filling processes, particularly in the food and beverage industry, which demands high accuracy. The system is developed using various components such as infrared sensors for bottle detection, flow meters for volume measurement, and actuators including a stepper motor and a 12V submersible pump to control liquid flow automatically. The Neural Network model used is a Multilayer Perceptron (MLP), trained with historical data such as filling duration and liquid volume, and integrated into the system using TensorFlow Lite for Microcontrollers. Test results indicate that the system significantly improves filling accuracy, reduces errors such as underfilling and overfilling, and enhances overall production efficiency compared to manual and conventional automatic methods. This approach not only provides a precise and efficient technological solution but also offers a cost-effective and accessible automation system for small and medium-sized enterpris