Hasil panen sayur dalam jumlah banyak dapat mempersulit pengepul sayur dalam menyortir berbagai jenis sayuran untuk dilakukan penjualan kembali, oleh karena itu diperlukan pendekatan digital agar dapat mengklasifikasikan jenis-jenis sayuran dengan mudah dan cepat. Pada Tugas Akhir ini diusulkan penerapan Compressive Sensing (CS) dengan menggunakan DCT sebagai transformasi sparsitas, rekonstruksi OMP, dan invers sparsity menggunakan IDCT dalam klasifikasi jenis sayuran. Pada penelitian ini menggunakan arsitektur Alexnet dan Raspberry Pi digunakan untuk melakukan proses CS. Proses CS yang dilakukan oleh Raspberry Pi menghasilkan citra rekonstruksi yang digunakan sebagai data training, validation dan testing. Dataset yang digunakan diambil dari Kaggle yang terbagi menjadi 4 kelas yaitu brokoli, kentang, lobak dan wortel. Pada skenario pengujian tersebut diperoleh parameter terbaik yaitu rasio CS 50%, input size 256×256 piksel, optimizer SGD, learning rate 0.001 dan batch size 64. Dataset yang digunakan berjumlah 600 citra, 480 citra digunakan sebagai data training, 60 citra digunakan sebagai data validation dan 120 citra digunakan sebagai data testing. Hasil pengujian memperoleh akurasi 95.83%, loss 0.2159 , presisi 95.75%, recall 96% dan f1-score 95.87%.