Mikroorganisme memiliki ukuran yang sangat kecil. Mikroorganisme hanya dapat diamati dengan menggunakan mikroskop, tetapi dalam mengenali jenis mikroorganisme masih sulit. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mikroorganisme berbasis mobile menggunakan arsitektur AlexNet, yang difokuskan pada empat jenis mikroorganisme yaitu Amoeba, Euglena, Spiral Bacteria, dan Yeast. Dataset yang digunakan dalam penelitian ini terdiri dari gambar-gambar mikroorganisme yang dibagi ke dalam set training, validation, dan test. Arsitektur AlexNet diimplementasikan dengan menggunakan optimizer RMSprop dengan learning rate 0.0001, dengan epochs 15, serta diterapkan teknik augmentasi data seperti zoom, flip, dan rotasi untuk mengurangi overfitting. Sistem ini diintegrasikan dalam aplikasi mobile berbasis Flutter untuk pengguna Android. Hasil penelitian menunjukkan bahwa model yang dilatih menghasilkan akurasi training sebesar 95.10% dan akurasi validasi sebesar 95.83%, dengan nilai loss masing-masing 0.1447% dan 0.1807%. Pada tahap pengujian, sistem ini berhasil mencapai akurasi tertinggi sebesar 100%. Penggunaan arsitektur AlexNet pada algoritma Convolutional Neural Network terbukti efektif dalam klasifikasi mikroorganisme dengan akurasi yang tinggi, serta sistem yang dikembangkan mampu beroperasi dengan baik dalam platform mobile.
Kata Kunci : Klasifikasi, Mikroorganisme, Amoeba, Euglena, Spiral Bacteria, Yeast, AlexNet, Mobile