<![CDATA[Perkembangan teknologi pengolahan citra dan kecerdasan buatan mendorong penerapan metode otomatis dalam proses klasifikasi berbasis visual, termasuk pada identifikasi warna objek. Penelitian ini bertujuan untuk mengembangkan model klasifikasi warna sabun batang berbasis citra menggunakan metode Convolutional Neural Network (CNN) serta mengevaluasi kinerjanya pada kondisi pengujian terkontrol. Dataset yang digunakan berjumlah 1.150 citra yang terdiri dari 860 data pelatihan, 215 data validasi, dan 75 data pengujian dengan dua kelas warna, yaitu merah dan hijau. Tahap preprocessing dilakukan melalui proses resize citra menjadi 64×64 piksel dan normalisasi nilai piksel ke rentang 0–1 untuk meningkatkan kualitas input model. Arsitektur CNN yang digunakan terdiri dari dua lapisan Conv2D, dua lapisan MaxPooling2D, Flatten, Dense, dan Dropout. Proses pelatihan model dilakukan menggunakan optimizer Adam dan fungsi loss binary crossentropy selama 50 epoch. Hasil penelitian menunjukkan bahwa model memperoleh akurasi validasi sebesar 99,8–100% dan akurasi pengujian sebesar 98,67% dengan satu kesalahan klasifikasi dari 75 data uji. Evaluasi menggunakan confusion matrix menghasilkan nilai precision, recall, dan F1-score yang tinggi pada kedua kelas. Meskipun demikian, tingginya performa model menunjukkan bahwa dataset masih memiliki kompleksitas rendah dan kondisi citra yang relatif terkontrol. Keywords: bar soap, convolutional neural network, color classification, image classification]]>
