ABSTRAK

Indonesia merupakan negara kepulauan tropis yang kaya akan rempah-rempah,
seperti kapulaga, lada, pala, cengkeh, dan kayu manis, yang memiliki nilai historis,
ekonomi, dan budaya tinggi. Namun, tantangan dalam menjaga konsistensi dan
kualitas visual rempah untuk memenuhi standar ekspor global masih menjadi
kendala utama. Proses penilaian kualitas yang masih dilakukan secara manual
sering kali bersifat subjektif dan tidak akurat. Penelitian ini bertujuan untuk
mengembangkan sistem klasifikasi kualitas visual rempah menggunakan metode
deep learning dengan algoritma Convolutional Neural Network (CNN). Dataset
berupa citra digital dari lima jenis rempah dengan dua kategori kualitas (baik dan
buruk) digunakan untuk melatih dan menguji model CNN menggunakan
TensorFlow di platform Google Colab. Setelah melalui tahapan preprocessing,
pelatihan model, dan evaluasi akurasi, hasil penelitian menunjukkan bahwa model
CNN mampu mengidentifikasi kualitas visual rempah secara otomatis dengan
performa tinggi. Sistem ini kemudian diimplementasikan ke dalam aplikasi
prototipe berbasis web menggunakan framework Streamlit yang memungkinkan
pengguna mengunggah gambar rempah dan mendapatkan hasil klasifikasinya
secara langsung. Kesimpulannya, metode CNN terbukti efektif dalam membantu
proses identifikasi kualitas visual rempah, sehingga dapat meningkatkan efisiensi,
akurasi, serta daya saing rempah Indonesia di pasar ekspor global.