Beras merupakan makanan pokok untuk orang Asia, terutama di Indonesia. Untuk melakukan pengolahan padi menjadi beras, ada dua hal yang harus dilakukan yaitu dengan cara tradisional seperti ditumbuk dan ada juga seperti cara modern seperti penggilingan menggunakan mesin. Seperti yang diketahui, banyak jenis beras yang telah beredar di pasaran. Dengan adanya beragam jenis beras yang beredar, tentu juga ada hal yang tidak bisa dilakukan oleh manusia dalam mengklasifikasi jenis beras dengan mengandalkan indera penghilatan saja. Maka dari itu, pengolahan citra digital dapat berperan penting agar dapat memudahkan manusia untuk mengklasifikasi jenis beras.
Pada penelitian ini, dilakukan pengklasifikasian jenis beras berbasis citra dengan menggunakan metode Convolutional Neural Network (CNN) dan arsitektur AlexNet. Adapun dataset yang digunakan berupa citra bulir beras yang berjumlah 2500 yang berasal dari Kaggle dan dibagi menjadi lima kelas yaitu beras Arborio, beras Basmati, beras Ipsala, beras Jasmine, dan beras Karacadag.
Parameter yang digunakan untuk melakukan analisis pada penelitian ini adalah akurasi, presisi, recall, dan F1-score. Pada penelitian ini juga menggunakan empat skenario pengujian terhadap hyperparameter yaitu input size, optimizer, learning rate, dan batch size. Setelah melakukan pengujian didapatkanlah hasil terbaik dengan citra asli menggunakan input size 128×128, optimizer SGD, learning rate 0.0001 dan batch size 32. Berdasarkan dari hasil pengujian tersebut, test accuracy yang didapatkan sebesar 98.40% dengan testing loss 0.0659.