Durian merupakan buah eksotis populer di Asia Tenggara dengan ratusan varietas di
pasaran. Kemiripan visual antara varietas Musang King, Bawor, dan Duri Hitam membuat
identifikasi tradisional bersifat subjektif dan rentan kesalahan, sehingga berpotensi
menurunkan kepercayaan transaksi jual beli. Penelitian ini mengembangkan sistem
klasifikasi varietas durian berbasis website menggunakan CNN InceptionV3 melalui
pendekatan transfer learning. Dataset terdiri dari 2.000 citra yang dikumpulkan dari
Instagram, terbagi ke dalam empat kelas yaitu Musang King, Bawor, Duri Hitam, dan Jenis
Lainnya dengan rasio 70:15:15. Pelatihan dilakukan melalui tiga skenario yang
membedakan kedalaman unfreezing backbone, yaitu Feature Extraction, Partial FineTuning, dan Full Fine-Tuning, masing-masing dengan learning rate yang disesuaikan.
Skenario 3 (Full Fine-Tuning) ditetapkan sebagai model final karena menunjukkan
pelatihan paling stabil dan konvergen, dengan test accuracy 81,67%, macro precision
82,44%, macro recall 81,67%, dan macro F1-score 81,64%. Model diintegrasikan ke
website DurianFy berbasis Laravel dan API Flask, memungkinkan pengguna mengunggah
citra melalui galeri maupun kamera dan memperoleh hasil klasifikasi beserta confidence
score. Black Box Testing menunjukkan seluruh fitur berjalan sesuai spesifikasi, dan User
Acceptance Testing menghasilkan persentase penerimaan 91%. Sistem ini diharapkan
membantu petani, penjual, dan pembeli mengidentifikasi varietas durian secara cepat dan
akurat, serta menjadi referensi pengembangan sistem klasifikasi pertanian berbasis deep
learning