Pencarian produk berbasis gambar menjadi semakin penting di era digital, terutama
dalam industri fashion seperti tas yang memiliki berbagai variasi bentuk dan desain.
Pencarian secara manual atau berbasis teks sering kali tidak efisien dan kurang
akurat karena tidak dapat merepresentasikan karakteristik visual dari produk secara
menyeluruh. Untuk menjawab permasalahan tersebut, penelitian ini
mengembangkan sistem pencarian produk tas menggunakan Content-Based Image
Retrieval (CBIR) yang didukung oleh metode Convolutional Neural Network
(CNN). Proses pencarian dilakukan dengan mengekstraksi fitur visual dari gambar
menggunakan arsitektur ResNet50 tanpa lapisan klasifikasi akhir. Hasil ekstraksi
fitur kemudian diproses dengan Global Max Pooling dan dinormalisasi
menggunakan L2 Normalization untuk menghasilkan vektor fitur berdimensi tetap.
Pencocokan dilakukan dengan menggunakan perhitungan Cosine Similarity untuk
menentukan tingkat kemiripan antar gambar. Sistem ini dibangun berbasis web
menggunakan framework Laravel, dengan Python sebagai pemroses citra dan
antarmuka pengguna yang dikembangkan menggunakan Bootstrap. Hasil evaluasi
menunjukkan bahwa sistem mampu menampilkan gambar dengan kemiripan visual
dengan nilai akurasi 0,76%. Sistem ini memberikan solusi yang efektif dan efisien
dalam pencarian produk tas berbasis gambar serta meningkatkan pengalaman
pengguna dalam menemukan produk yang sesuai secara visual.