ABSTRAK Nama : Mayanda Mega Santoni Program Studi : Magister Ilmu Komputer Judul : Klasifikasi Rumpun Ternak Sapi Indonesia dengan Menggunakan Fusion Gray Level Co-occurance Matrix - Convolutional Neural Networks Proses klasifikasi rumpun ternak sapi yang akurat dan praktis serta otomatis sangat dibutuhkan pada sistem manajemen e-Livestock. Pada penelitian ini akan menyajikan sistem pengenalan rumpun ternak sapi menggunakan data citra sapi tersebut. Data citra sapi yang berada pada background kompleks menjadi permasalahan utama. Pada penelitian sebelumnya mencoba mengatasi masalah ini dengan menggunakan teknik segmentasi yang bersifat semi-otomatis. Pada penelitian ini telah dilakukan proses pengenalan rumpun ternak sapi secara fully automatic yang tidak bergantung pada proses segmentasi. Objek sapi tetap berada pada background kompleks dan dapat dikenali secara otomatis rumpun dari ternak sapi tersebut. Metode yang digunakan pada penelitian ini adalah sebuah arsitektur Deep Learning yakni metode Convolutional Neural Networks yang digabungkan dengan fitur-fitur GLCM yang selanjutnya metode ini akan disebut fusion GLCM-CNN. Fitur GLCM digunakan untuk mengekstrak fitur tekstur yang mana memiliki kemampuan untuk mengenali pola dengan variasi beragam, robust terhadap distorsi geometri dan transformasi sederhana. Tiga fitur statistik GLCM yang digunakan yaitu fitur contrast, energy dan homogeneity. Penelitian ini memperlihatkan bahwa GLCM-CNN dengan fitur energy dapat memberikan akurasi yang lebih tinggi dibandingkan dengan original CNN dengan akurasi rata-rata yang dihasilkan sebesar 92.39%. Sementara itu, pada fusion GLCM-CNN menggunakan metode Product Decision Rule dan Sum Decision Rule dapat meningkatkan hasil akurasi rata-rata menjadi 94.84% dan 95.36%. Kata Kunci: Convolutional Neural Networks (CNN), Gray Level Co-occurrence Matrix (GLCM-CNN), e-Livestock Indonesia, Product Decision Rule (PDR), Sum Decision