Deep Learning merupakan sebuah pengembangan dari teknologi Machine Learning yang menggunakan algoritma yang dibuat berdasarkan pada hukum matematik yang bekerja layaknya otak manusia. Salah satu pemanfaatan dari deep learning adalah dalam bidang image processing atau pengolahan citra digital. Image Processing dimanfaatkan untuk membantu manusia dalam mengenali dan/atau mengklasifikasi objek dengan cepat, tepat, dan dapat melakukan proses dengan banyak data secara bersamaan. Salah Satu algoritma dari Deep learning yang digunakan dalam image processing adalah Convolutional Neural Network (CNN). Algoritma CNN terdiri dari 3 layer utama yaitu Convolutional Layer, Pooling Layer, dan Fully Connected Layer. Pada penelitian ini menggunakan arsitektur CNN dengan perpaduan 3 Convolutional Neural Network dan 2 Fully Connected Layer. Pada tahap pembuatan system klasifikasi yang menggunakan deep learning terdapat beberapa tahapan proses utama yaitu pengumpulan data, perancangan system, training, dan testing. Dataset yang diolah adalah dataset citra buah-buahan yang berasal dari dataset Fruit-360. Kelas data yang digunakan yaitu sejumlah 15 kelas dari 111 kelas pada dataset fruit-360.  Hasil dari proses learning didapatkan model CNN dengan akurasi 100% dan loss sebesar 0,012. Pada proses pengujian model CNN yang mengguakan 45 sampel citra buah didapatkan akurasi sebesar 91,42%. Sehingga dapat disimpulkan bahwa metode CNN yang dirancang pada penelitian ini dapat mengklasifikasi citra dengan baik.

Deep Learning is a development of Machine Learning technology that uses algorithms created based on mathematical laws that work like the human brain. One of the uses of deep learning is in the field of image processing or digital image processing. Image Processing is used to help humans recognize and / or classify objects quickly, precisely, and can process with a lot of data simultaneously. One of the algorithms of Deep learning used in image processing is Convolutional Neural Network (CNN). CNN algorithm consists of 3 main layers, namely Convolutional Layer, Pooling Layer, and Fully Connected Layer. This research uses CNN architecture with a combination of 3 Convolutional Neural Networks and 2 Fully Connected Layers. At the stage of making a classification system that uses deep learning, there are several main process stages, namely data collection, system design, training, and testing. The dataset being processed is a fruit image dataset from the Fruit-360 dataset. The data classes used were 15 classes from 111 classes in the fruit-360 dataset. The results of the learning process obtained CNN models with an accuracy of 100% and a loss of 0.012. In the CNN model testing process that uses 45 fruit image samples obtained an accuracy of 91.42%. So it can be concluded that the CNN method designed in this study can classify the image well.