KLASIFIKASI KUALITAS SARANG BURUNG WALET MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)HasniAnasauthorKualitas sarang burung walet merupakan faktor penting dalam menentukan nilai jual, sehingga diperlukan sistem klasifikasi yang akurat dan otomatis. Penelitian ini bertujuan mengembangkan model klasifikasi mutu sarang burung walet menggunakan empat arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV2, VGG16, ResNet50, dan EfficientNetV2B1 dengan pendekatan transfer learning. Dataset yang digunakan terdiri atas 3.406 citra sarang burung walet yang diperoleh langsung dari petani, kemudian diproses melalui augmentasi agresif dan penghapusan latar belakang guna menyoroti objek utama. Data dibagi ke dalam data pelatihan sebanyak 2.723 citra dan data validasi sebanyak 683 citra, mencakup tiga kelas kualitas: tinggi, sedang, dan rendah. Setiap model dilatih dalam dua tahap, yaitu frozen base dan fine-tuning. Hasil pengujian menunjukkan bahwa semua model mengalami peningkatan performa setelah tahap fine-tuning, dengan performa terbaik diperoleh pada arsitektur ResNet50 yang mencapai akurasi sebesar 98%, diikuti oleh MobileNetV2 sebesar 97%, VGG16 sebesar 95%, dan EfficientNetV2B1 sebesar 94%. Proses augmentasi data terbukti meningkatkan kemampuan generalisasi model terhadap variasi citra. Penelitian ini berkontribusi dalam pengembangan sistem klasifikasi mutu sarang burung walet berbasis citra digital dengan akurasi tinggi, yang berpotensi diimplementasikan pada industri untuk mendukung proses penyortiran secara objektif, efisien, dan konsisten.005 Pemrograman komputer, program dan data2026-02-02Universitas AMIKOM Yogyakarta;PJJ Magister InformatikaThesis