Cacat produk merupakan hal yang sering terjadi pada proses produksi. Identifikasi cacat produk secara visual dilakukan pertama kali ketika produk diproduksi. Identifikasi cacat yang samar dalam bentuk yang sangat kecil dengan ukuran dan posisi yang berbeda sulit dilakukan dengan pandangan mata biasa, sehingga sering menghasilkan keputusan status produk yang kurang tepat. Cacat produk dalam bentuk visual dapat diidentifikasi dengan pola seperti bentuk, ukuran dan posisi pada gambar produk. Pada penelitian ini akan menerapkan Neural network dengan model backpropagation sebagai klasifikasi pola tersebut. Gambar produk akan diproses menggunakan image processsing dengan mengkonversi nilai RGB pixel gambar menjadi nilai numerik. Data dalam bentuk numerik akan menjadi input nilai pelatihan pada model backpropagation. Hasil pelatihan digunakan untuk mengenali cacat produk yang diidentifikasi dan menghasilkan keputusan status produk. Hasil menunjukan bahwa neural network model backpropagation mampu mengenali pola produk dengan akurasi 99,24% dan berdasarkan simulasi data pengujian dengan bobot dan bias akhir hasil pelatihan, mampu melakukan identifikasi cacat produk dengan keberhasilan hingga 91%.