Pencatatan stok bahan makanan secara manual seringkali menjadi tugas yang memakan waktu, rentan terhadap kesalahan, dan tidak efisien. Diperlukan solusi inovatif untuk mengatasi permasalahan ini, salah satunya melalui implementasi object recognition menggunakan algoritma Convolutional Neural Network (CNN) pada bahan makanan rumah tangga. Model dengan algoritma CNN ini dapat mengenali bahan makanan, untuk mengoptimalkan pencatatan stok bahan makanan. Penelitian ini membandingkan dua arsitektur model dengan jumlah filter yang berbeda pada convolutional layer dengan tujuan untuk menemukan model terbaik. Pada dua model yang telah diuji, model 1 menunjukkan performa dengan akurasi 0,942, recall 0,942, precision 0,944 dan f1-score 0,942, sedangkan model 2 memiliki akurasi 0,943, recall 0,943, precision 0,944 dan f1-score 0,942. Model 2 memiliki akurasi dan recall yang lebih tinggi dibandingkan dengan model 1. Ini menunjukkan