Zaid Husni Abdillah Pengarang Muslim Hidayat, M.Kom Dosen Pembimbing 2 Nahar Mardiyantoro, M.Kom. Dosen Pembimbing 1 Nahar Mardiyantoro, M.Kom. Penguji 1 Muslim Hidayat, M.Kom Penguji 2

Klasifikasi mutu buah salak (Salacca zalacca) secara manual masih mengandalkan pengamatan visual tenaga kerja, sehingga rentan terhadap ketidak konsistenan dan subjektivitas. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mutu buah salak berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan transfer learning. Model dibangun menggunakan arsitektur Mobile NetV3Large dan dilatih ulang pada dataset berjumlah 1500 citra buah salak, yang terbagi dalam tiga kategori mutu (A, B, danC), melalui dua tahap pelatihan: feature extraction dan fine-tuning. Evaluasi terhadap data uji menunjukkan akurasi sebesar 82%, sedangkan pengujian padaperangkat mobile (RAM 2 GB) menunjukkan bahwa sistem dapat berjalan secara responsif, meskipun masih ditemukan kendala dalam membedakan mutu A dan B.Model telah diimplementasikan dalam bentuk prototipe aplikasi Android menggunakan format TensorFlow Lite, dan diuji secara langsung menggunakan sembilan sampel citra uji. Hasil ini menunjukkan potensi awal pengembangan sistem klasifikasi mutu buah salak yang lebih objektif, ringan, dan dapat dijalankan pada perangkat dengan sumber daya terbatas. Kata Kunci : klasifikasi mutu, buah salak, Convolutional Neural Network, transferlearning, MobileNetV3Large.