Salah satu perkembangan pertanian di bidang pangan dengan prospek yang baik adalah jamur. Secara keseluruhan, jamur dapat diklasifikasikan menjadi dua kelompok, yakni jamur yang layak dikonsumsi dan jamur yang tidak cocok untuk dikonsumsi. Jamur yang dapat dikonsumsi dapat dimanfaatkan sebagai makanan, obat-obatan, dan memiliki berbagai kegunaan lainnya, sementara jamur yang tidak cocok untuk dikonsumsi dapat menyebabkan keracunan. Namun, membedakan antara jenis jamur yang layak dikonsumsi dengan yang tidak cocok untuk dikonsumsi menjadi hal yang rumit. Jika terjadi sedikit kesalahan dalam memilih jamur yang layak untuk dikonsumsi, dampaknya juga akan berimbas pada kesehatan konsumen yang mengonsumsi jamur tersebut. Perkembangan ilmu pengetahuan dan teknologi dalam pengolahan citra digital dapat membantu untuk mengklasifikasikan antara jamur yang layak dikonsumsi maupun yang tidak cocok untuk dikonsumsi. Klasifikasi citra menggunakan Convolutional Neural Network (CNN) merupakan alternatif untuk mengatasi masalah tersebut. Fokus utama penelitian ini adalah pengenalan potensi racun dalam jamur menggunakan CNN yang diharapkan akan memberikan kontribusi baru dalam pengembangan pendekatan yang lebih efisien dan akurat dalam mengklasifikasikan jamur yang layak dikonsumsi dan yang tidak cocok untuk dikonsumsi. Hasilnya menunjukkan bahwa model yang dilatih dengan data augmentasi mencapai akurasi tertinggi, yaitu 96.53% untuk data latih dan 93.22% untuk data validasi, dengan tingkat loss yang lebih rendah. Hal ini menunjukkan bahwa CNN merupakan pendekatan yang efisien dan akurat dalam mengklasifikasikan jamur berdasarkan genus-nya. Selain itu, penelitian ini juga menemukan bahwa parameter seperti jumlah epoch, jumlah batch size, optimizer, ukuran citra, dan augmentasi citra mempengaruhi proses pelatihan model.