Permintaan untuk mengimplementasikan deep learning sebagai sebuah metode untuk menyelesaikan suatu permasalahan meningkat setiap tahunnya. Namun terdapat beberapa tahapan yang harus dilakukan sebelum mengembangkan sebuah model, diantaranya; mempersiapkan lingkungan pengembangan, mempelajari fundamental dari deep learning, mempersiapkan dataset serta mempelajari deep learning library yang akan digunakan untuk pelatihan model. Tahapan tersebut membuat proses pengembangan model banyak memakan waktu. Berdasarkan masalah tersebut, penulis mengusulkan DLGraph, yaitu sebuah platform deep learning yang berbasis pemrograman visual. Praktisi dapat melakukan drag-and-drop sebuah node yang merepresentasikan sebuah layer dan menghubungkannya untuk menjadi sebuah model yang berbentuk diagram alur. Pada platform ini praktisi juga melakukan pelatihan model menggunakan dataset sesuai. Untuk mengetahui akurasi yang dihasilkan oleh model yang dibuat menggunakan DLGraph serta kemudahan dalam menggunakan aplikasi, dilakukan dua pengujian. Pengujian pertama dilakukan dengan menuliskan model dalam bentuk kode secara manual dan drag-and-drop pada DLGraph. Pengujian tersebut menggunakan model sederhana serta MNIST digits sebagai datasetnya. Hasil dari pengujian tersebut menunjukan hasil accuracy dan loss terdapat selisih sebesar ±0.0004 dan ±0.0123. Pengujian kedua dilakukan oleh beberapa praktisi pemula yang ingin mengimplementasikan sebuah model. Pengujian tersebut membandingkan waktu pembuatan model dengan menuliskan kode secara manual dan drag-and-drop pada aplikasi. Dari percobaan tersebut terbukti bahwa pembuatan model deep learning dengan DLGraph lebih cepat dibanding menuliskan kode secara manual.