Penelitian ini bertujuan untuk merancang alat klasifikasi kematangan buah pisang berbasis backpropagation artificial neural network (ANN). Kematangan buah pisang diidentifikasi berdasarkan kadar gas alkohol dan nilai warna RGB dengan menggunakan sensor gas MQ-3 dan sensor warna TCS34725. Metode ANN digunakan karena membutuhkan sistem yang dapat mengklasifikasi buah pisang sesuai spesifikasi data yang diberikan. Perangkat yang digunakan terdiri dari Arduino Mega sebagai main controller, lalu NodeMCU sebagai IoT Gateway. Google Firebase dan Blynk digunakan sebagai IoT platform yang berfungsi sebagai database dan display hasil klasifikasi ANN. Topologi ANN yang digunakan terdiri dari: 4 input, 12 hidden dan 1 output. Input yang digunakan terdiri dari 3 nilai warna RGB dan 1 nilai kadar alkohol. Output target diset secara berurutan dengan nilai 0,25, 0,5 dan 0,75 untuk kondisi mentah, matang, dan busuk. Berdasarkan hasil yang menunjukan alat dapat mengklasifikasi kematangan buah pisang dengan akurasi 95,663%, dan akurasi hasil kalibrasi setiap sensor sebesar 98,21% untuk TCS34725 dan 90,025% untuk MQ-3. Durasi pengiriman data hasil klasifikasi ke Firebase memakan waktu 5,46 detik dan 6,56 detik untuk pengiriman ke Blynk