Proses penyangraian atau disebut roasting merupakan tahap krusial dalam pengolahan kopi karena tingkatnya sangat memengaruhi aroma dan rasa akhir kopi. Penentuan level roasting secara manual atau visual dianggap kurang akurat dan rentan terhadap human error. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan mengklasifikasikan level roasting dengan menggunakan dataset dari Kaggle yang bernama “Coffee Bean Dataset Resized (224 X 224)” dengan kelas yaitu green/unroasted, light, medium, dan dark menggunakan kombinasi mode Convolutional Neural Network dan Ekstraksi fitur Gray-Level Co-occurrence Matrix (GLCM). Arsitektur CNN yang dirancang menggabungkan fitur visual otomatis dari convolutional layer dengan fitur ekstraksi dari GLCM dan pengujian model dilakukan dengan parameter yaitu dengan rasio splitting data 80:20, Batch Size 64, Epoch 150, Learning Rate 0,001, dan penerapan Adaptive Learning Rate. Hasil penelitian menunjukkan bahwa metode CNN dengan ekstraksi fitur GLCM mampu mengklasifikasikan tingkat roasting biji kopi dengan tingkat akurasi sebesar 84,89%. Akurasi tinggi ini didapat dengan waktu pelatihan yang efisien yaitu 398,5 detik. Tingginya akurasi yang didapat serta waktu pelatihan yang relatif singkat menunjukkan bahwa metode yang digunakan memiliki tingkat keberhasilan yang baik dalam mengklasifikasikan level roasting kopi, sebagaimana yang dirumuskan dalam permasalahan penelitian.