Penilaian kualitas tebu berdasarkan tingkat kebersihan merupakan salah satu faktor penting dalam menentukan kualitas hasil produksi gula. Proses penilaian mutu tebu di PT Perkebunan Nusantara masih dilakukan secara manual oleh petugas sehingga hasil penilaian cenderung subjektif, kurang konsisten, dan membutuhkan waktu yang relatif lama. Penelitian ini bertujuan untuk merancang dan membangun sistem klasifikasi kualitas tebu berdasarkan tingkat kebersihan menggunakan metode deep learning. Model yang digunakan adalah YOLOv11s-cls dengan arsitektur Convolutional Neural Network (CNN) untuk mengklasifikasikan tebu ke dalam dua kategori, yaitu bersih dan kotor. Metode penelitian mengacu pada tahapan Knowledge Discovery in Database (KDD) yang meliputi seleksi data, preprocessing, transformasi data, pelatihan model, dan evaluasi. Dataset yang digunakan berjumlah 362 citra batang tebu yang diperoleh dari data primer. Proses pengolahan data dilakukan melalui augmentasi dan resize citra agar sesuai dengan kebutuhan model. Berdasarkan hasil pengujian, model memperoleh tingkat akurasi 91,54%, precision 92,20%, recall 92,20% dan F1-score 92,21%. Sistem berhasil diimplementasikan pada Raspberry Pi yang terintegrasi dengan kamera dan antarmuka web sehingga mampu melakukan klasifikasi secara real-time. Hasil penelitian menunjukkan bahwa sistem dapat membantu proses penilaian kualitas tebu secara otomatis, lebih cepat, dan lebih konsisten dibandingkan metode manual dalam mendukung peningkatan kualitas proses produksi gula.