Selama ini penentuan kualitas mutu tempe dilakukan dengan pengamatan fisik tempe secara langsung.
Kerap kali hasil pengamatan kurang konsisten dikarenakan keterbatasan visual manusia. Pengolahan
citra merupakan alternatif untuk mengatasi masalah penentuan kualitas tempe dari aspek gambarnya.
Pengolahan citra mempunyai kemampuan yang lebih peka, tepat, dan obyektif dibandingkan visual
manusia. Convolutional Neural Network (CNN) merupakan salah satu model deep learning yang
mampu mengindenfikasi obyek citra sedemikian hingga mampu menentukan jenis obyek. Dalam
beberapa kasus, algorima CNN digunakan untuk mengindentifikasi kondisi sebuah kualitas obyek.
Penelitian ini bertujuan untuk mengidentifikasi kualitas tempe dari aspek citranya, sehingga dapat
diidentifikasi jenis tempe dengan kondisi baik dan sudah mulai membusuk. Adapun gambar tempe
merupakan data primer yang diperoleh langsung dari salah satu pasar tradisional di Kota Medan.
Jumlah gambar yang berhasil diperoleh sebanyak 262. Model klasifikasi yang dihasilkan melewati 7
fase, yakni persiapan data, preprocessing, data augmentation, split dataset, membangun model
klasifikasi dengan algoritma CNN dengan fungsi aktivasi ReLU, pengujian model dan evaluasi. Hasil
penelitian menunjukan model yang dihasilkan dari 80% data memiliki akurasi 98.71% dan dengan
tingkat loss 0.0433%. Penelitian ini juga memperlihatkan bahwa tingkat loss akan stabil diangka
tersebut setelah 50 epoch.