Indonesia adalah negara dengan kekayaan alam yang melimpah, salah satunya ada pada sektor pertanian. Menurut BPS (Badan Pusat Statistik) luas panen padi pada 2023 diperkirakan sekitar 10,20 juta hektar mengalami penurunan sebanyak 255,79 ribu hektar atau 2,45 persen dibandingkan luas panen padi pada 2022 yang sebesar 10,45 juta hektar. Namun, praktik pertanian konvensional di Indonesia masih mendominasi. Kelemahan pertanian secara konvensional ini dapat mengakibatkan penurunan produktivitas. Salah satu aspek kritisnya adalah mengatasi pertumbuhan gulma di lahan persawahan. Oleh karena itu penerapan sistem pertanian cerdas menjadi solusi yang tepat untuk mengatasi permasalahan ini, seperti sistem klasifikasi gulma yang memanfaatkan teknik deep learning. Sistem ini dibuat diawali dengan mendapatkan data citra dari Kaggle sebagai dataset sekunder dan dataset gulma diambil di lahan pertanian. Dataset yang digunakan berjumlah 1.143 citra gulma yang kemudian dilakukan pelabelan untuk data latih dan data uji menggunakan metode SSD-MobileNet-V2 FPNLite dan EfficientDet-D0. Proses pengambilan dataset primer menggunakan webcam kemudian data dikirimkan ke Raspberry Pi 4 melalui konektivitas Wi-Fi. Sistem menunjukkan kinerja yang baik untuk mengklasifikasikan gulma dengan accuracy berturut-turut dari SSD-MobileNet-V2 FPNLite dan Efficiendet-D0 mencapai 92,8% dan 95,3%. Hasil tersebut menunjukkan Efficiendet-D0 lebih baik untuk menjadi pilihan model AI yang bisa diimplementasikan pada alat sistem klasifikasi gulma untuk mendukung pengendalian gulma.