Sektor pertanian memiliki peran penting dalam mendukung ketahanan pangan dan perekonomian Indonesia. Namun, proses pengangkutan hasil panen masih banyak dilakukan secara manual sehingga membutuhkan sumber tenaga kerja yang banyak, sementara ketersediaan tenaga kerja di sektor pertanian semakin terbatas, dan dapat menyebabkan kelelahan yang berlebihan pada petani. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan Harvest Assisting Robot yang dirancang untuk membantu petani dalam mengangkut, memindahkan, dan membawa hasil panen sehingga pekerjaan dapat dilakukan dengan lebih efektif dan efisien.
Penelitian ini bertujuan untuk merancang dan mengimplementasikan Harvest Assisting Robot berbasis computer vision dan deep learning sebagai alat bantu pengangkutan hasil panen. Sistem menggunakan metode YOLOv8n untuk mendeteksi lima kelas gestur tangan, yaitu maju, mundur, kanan, kiri, dan stop, yang digunakan sebagai perintah navigasi robot secara real-time. Gestur yang terdeteksi oleh kamera diproses menggunakan Raspberry Pi 5 dan diterjemahkan menjadi perintah gerakan robot melalui komunikasi serial dengan Arduino Mega 2560 sehingga robot dapat bergerak sesuai instruksi pengguna.
Hasil penelitian menunjukkan bahwa model hasil training yang dikembangkan memiliki performa yang baik dengan nilai accuracy sebesar 0,94, precision sebesar 0,96, recall sebesar 0,96, mAP50 sebesar 0,96, dan mAP50-95 sebesar 0,69. Selain itu, seluruh gestur tangan berhasil dikenali dan dieksekusi menjadi pergerakan robot yang sesuai, sehingga robot mampu bergerak maju, mundur, berbelok ke kanan, berbelok ke kiri, dan berhenti secara responsif dan stabil. Hasil tersebut menunjukkan bahwa sistem yang dikembangkan layak diterapkan sebagai solusi pendukung aktivitas panen berbasis teknologi cerdas di sektor pertanian.

Kata Kunci: Computer Vision, Deep Learning, Harvest Assisting Robot, Pengenalan Gestur Tangan, YOLOv8n.