Di Indonesia, konsumsi gandum untuk roti rata-rata mencapai 4,7 kg per kapita per
tahun, diperkirakan meningkat menjadi 6,6 kg pada 2030. Penjualan roti pada 2021
mencapai USD 18,7 miliar, tertinggi di Asia Tenggara. Namun, terdapat insiden
keracunan roti, termasuk di SDN Pengasinan 1 dan Nganjuk, akibat roti
kedaluwarsa atau berjamur. Penelitian ini merancang sistem klasifikasi roti
berjamur menggunakan CNN dengan arsitektur GoogLeNet, mengklasifikasikan
tingkat keparahan jamur dalam empat tingkatan: Grade 0, 1, 2, dan 3. Model
menunjukkan akurasi 88,10% pada epoch 10 dengan batch size 16 dan 86,31% pada
batch size 32, namun nilai loss validasi yang tinggi menunjukkan potensi
overfitting. Hasil menunjukkan model efektif dalam mengidentifikasi Grade 0 dan
Grade 1, namun performanya kurang untuk Grade 2. Perbaikan lebih lanjut
diperlukan untuk menangani overfitting dan meningkatkan klasifikasi Grade 2.
Teknologi CNN, khususnya GoogLeNet, memberikan kontribusi signifikan dalam
meningkatkan efisiensi dan kualitas produksi roti.
Kata Kunci: CNN, Deep Learning, GoogleNet, Roti, Jamur.