Indonesia merupakan negara penghasil bumbu dan rempah-rempah terbaik. Jenis bumbu dapur dan rempah memang sangat beragam dan hampir serupa, sehingga banyak masyarakat yang tidak bisa membedakan jenisnya. Sehingga perlu pembuatan model pengolahan citra digital untuk memilah jenis bumbu dapur dan rempah. Dikarenakan data yang minimal dalam pembuatan model klasifikasi, maka dilakukan penggunaan data augmentasi untuk menjadikan data menjadi lebih beragam. Penelitian ini bertujuan untuk membandingkan arsitektur dengan menerapkan augmentasi dan tidak menerapkan augmentasi dari data foto bumbu dapur. Dari kedua model tersebut akan diketahui tingkat akurasi dari masing-masing model mana yang lebih tinggi dari kedua model tersebut. Penelitian ini menggunakan metode Convolutional Neural Networks dengan menggunakan arsitektur petrained. Kemudian menggunakan metode confusion matrix untuk mengevaluasi hasil setelah pengujian dilakukan terhadap data testing. Pengujian dilakukan dengan 80 citra data testing yang terdiri dari citra foto sendiri dan citra search internet. Hasil dari penelitian ini adalah didapatkan model untuk mengklasifikasi bumbu dapur. Hasil pengujian menunjukkan CNN yang tidak menerapkan augmentasi dari model tersebut hanya mendapatkan akurasi sebesar 54% sedangkan CNN yang menerapkan augmentasi dari model tersebut mendapatkan akurasi sebesar 80%. Penerapan augmentasi pada model mendapatkan akurasi lebih tinggi dikarenakan proses menggunakan augmentasi untuk menambah jumlah data dengan membuat data baru dari data yang sudah ada sehingga menjadikan data gambar lebih banyak. Untuk data search internet dan foto sendiri, akurasi yang lebih tinggi adalah data dari search internet. Model yang memiliki akurasi tertinggi kemudian diimplementasikan ke dalam sebuah aplikasi berbasis website.