Indonesia memiliki banyak variasi makanan tradisional dan destinasi tempat wisata yang menarik. Banyaknya destinasi tempat wisata membuat masyarakat menyukai travelling dan mencoba menikmati makanan tradisionalnya. Namun saat mencoba makanan tradisional terutama makanan yang baru bagi mereka harus lebih berhati-hati, dikarenakan beraneka bahan makanan yang terkandung didalamnya memiliki dampak pada kesehatan. Penelitian ini akan mencoba membuat aplikasi yang dapat mengenali makanan tradisional Indonesia. Harapannya dapat memberikan informasi yang lengkap, sehingga dapat digunakan untuk mengembangkan aplikasi penghitung kalori kedepannya. Penelitian ini bertujuan merancang sebuah sistem yang dapat mengklasifikasikan gambar makanan tradisional Indonesia untuk membantu mengenali nama makanan dengan tingkat akurasi tertentu menggunakan arsitektur EfficientNetV2. EfficientNetV2 adalah keluarga baru dari deep learning yang lebih unggul dalam pelatihan serta efisiensi parameter. Deep Learning merupakan metode yang sering digunakan untuk mengklasifikasikan gambar yang komplek. EfficientNetV2 yang digunakan pada penelitian ini terdiri dari empat arsitektur yang berbeda yakni EfficientNetV2_S_21k, EfficientNetV2_M_21k, EfficientNetV2_L_21k, dan EfficientNetV2_XL_21k. Dataset yang digunakan berasal dari tiga jenis kategori sumber data yakni dari Google Image, pengambilan gambar secara langsung menggunakan kamera Smartphone, dan gabungan dari keduanya. Masing-masing kategori dataset terdiri dari 18 kelas dengan total 1800 gambar dari Google Image, 1800 gambar dari kamera Smartphone, dan 3.600 gambar dari gabungan Google Image dan kamera Smartphone. Dataset diambil dari tiga kategori guna membandingkan tingkat akurasi dan mendapatkan nilai akurasi terbaik. Hasil dari penelitian ini menunjukkan bahwa EfficientNetV2 dapat melakukan klasifikasi gambar makanan tradisional Indonesia dengan nilai akurasi pengujian tertinggi sebesar 99,4% dari model EfficientNetV2-L(21k) serta hasil yang didapatkan tidak terjadi overfitting.