<![CDATA[Perkembangan teknologi kecerdasan buatan dalam bidang pengolahan citra digital telah mendorong pemanfaatan metode deep learning untuk melakukan klasifikasi gambar secara otomatis. Klasifikasi citra hewan peliharaan menjadi salah satu penerapan penting dalam computer vision karena dapat membantu proses identifikasi objek secara cepat dan akurat. Penelitian ini bertujuan untuk membangun model klasifikasi gambar hewan peliharaan menggunakan Convolutional Neural Network (CNN) dengan arsitektur InceptionV3 melalui Orange Data Mining. Dataset yang digunakan terdiri dari 2.283 gambar kucing dan anjing dalam format JPG. Tahapan penelitian meliputi pengumpulan dataset, preprocessing citra, ekstraksi fitur menggunakan Image Embedding berbasis InceptionV3, pembagian data menjadi data pelatihan dan data pengujian, proses pelatihan model, serta evaluasi performa menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model CNN dengan arsitektur InceptionV3 memperoleh nilai accuracy sebesar 99,0%, precision sebesar 99,0%, recall sebesar 99,0%, dan F1-score sebesar 99,0%. Berdasarkan hasil tersebut dapat disimpulkan bahwa model CNN dengan arsitektur InceptionV3 mampu memberikan tingkat akurasi yang sangat tinggi dalam klasifikasi gambar hewan peliharaan. Penelitian ini menunjukkan bahwa pemanfaatan Orange Data Mining dengan fitur Image Embedding berbasis InceptionV3 efektif digunakan dalam proses klasifikasi citra digital dan memiliki potensi untuk dikembangkan lebih lanjut pada berbagai aplikasi computer vision berbasis kecerdasan buatan. Kata Kunci: Convolutional Neural Network (CNN), InceptionV3, Deep Learning, Klasifikasi Citra, Orange Data Mining.]]>
