Rice is an important crop because rice is the main source of carbohydrates for most of the world's population, especially Indonesians, who make rice the main source of carbohydrates. Lack of water can affect the content of rice grains. Rice grains can become dry and unfilled when there is a lack of water. Another factor that affects the yield of rice crops is pests that can cause the grains to turn black. It is necessary to classify rice crop yields in order to find out whether it will produce good yields or vice versa. Classification is carried out with several parameters, namely the color and shape of the rice crop yields. In classifying the yields of rice plants, detection will be carried out using the CNN (Convolutional Neural Network ) Method by utilizing images from the rice crop yields. The use of the CNN Method is very good and has good results in image recognition. The process of classifying crop yields on rice plants using the CNN Method with several stages gets a good accuracy value of 97,14%. While the accuracy validation results are obtained from the confusion matrix which produces an accuracy value of 97%.

Padi merupakan tanaman penting dikarenakan beras adalah sumber karbohidrat utama bagi sebagian besar penduduk dunia terutama penduduk Indonesia yang menjadikan beras sebagai sumber karbohidrat utama. Kekurangan air dapat mempengaruhi isi dari bulir padi. Bulir padi dapat menjadi kering dan tidak berisi apabila kekurangan air. Factor lain yang mempengaruhi hasil panen tanaman padi yaitu hama yang dapat mengakibatkan bulir padi menjadi hitam. Akan hal tersebut diperlukan adanya pengklasifikasian hasil panen tanaman padi agar mengetahui apakah akan menghasilkan
hasil panen yang baik atau sebaliknya. Pengklasifikasian dilakukan dengan beberapa parameter yaitu warna dan bentuk dari hasil panen tanaman padi tersebut. Dalam pengklasifikasian hasil panen dari tanaman padi ini akan dilakukan pendeteksian dengan menggunakan metode CNN (Convolutional Neural Network ) dengan memanfaatkan citra dari hasil panen tanaman padi. Penggunaan metode CNN sangat baik atau memiliki hasil yang baik dalam pengenalan citra. Proses dalam mengklasifikasi hasil panen pada tanaman padi dengan menggunakan metode CNN dengan beberapa tahapan mendapatkan nilai akurasi yang baik yaitu 97,14%. Sementara hasil validasi akurasi didapat dari confusion matrix yang menghasilkan nilai akurasi sebesar 97%.