Kualitas buah pisang segar menjadi perhatian utama konsumen serta industri industri buah. Keefektifan serta klasifikasi yang cepat terhadap tingkatan kematangan buah pisang merupakan aspek yang akan sangat menetukan kualitasnya. Pada era sekarang ini sangat penting untuk membuat dan mengimplementasikan deep learning untuk membantu kinerja manusia. Salah satunya untuk mengecek tingkat kematangan buah pisang. Kematangan buah pisang biasanya dapat pengaruhi mutu dari buah pisang serta harga pasar buah tersebut. Dalam penelitian ini, diusulkan sesuatu sistem computer vision otomatis guna mengenali tingkat kematangan dari buah pisang
menggunakan pendekatan deep learning. Persiapan yang dilakukan adalah pengumpuan data kerangka kerja jaringan saraf konvolusional (Convolutional Neural Network) yang menggunakan citra RGB, dan ciri warna serta bintikbintik coklat, serta memperhitungkan tingkat pematangan buah pisang. Hasil dan kinerja sistem yang diusulkan dibandingkan dengan system yang lainnya itu cukup unggul dimana tingkat akurasi mencapai 98.55%

The quality of fresh bananas is a major concern for consumers and the fruit industry. The effectiveness and fast classification of the ripeness level of bananas are
aspects that will determine the quality of banana.today's era, it is very important to create and implement deep learning to help human performance. One of them is to
check the level of maturity of the banana fruit. The ripeness of the banana fruit usually affects the quality of the banana and the market price of the fruit. In this research, we propose an automatic computer vision system to make the maturity level of the banana using a deep learning approach. The preparations carried out were compiling a
convolutional neural network working data framework using RGB images, and color characteristics and brown spots, and taking into account the ripening rate of bananas.
The results and performance of the proposed system compared to other systems are quite superior where the accuracy rate reaches 98.55%