Tumor otak dapat dikategorikan sebagai kanker (ganas) atau non-kanker (jinak), dan pertumbuhannya dapat menimbulkan risiko kesehatan yang signifikan. Deteksi dini tumor otak sangat penting untuk penanganan yang efektif. Meskipun pencitraan resonansi magnetik (MRI) adalah metode yang efektif untuk mengidentifikasi tumor otak, terdapat tantangan dalam analisis hasil yang memerlukan tenaga medis terlatih. Oleh karena itu, penelitian ini mengembangkan metode otomatis menggunakan deep learning, khususnya arsitektur ResNet-50, untuk klasifikasi citra MRI. Dataset yang digunakan terdiri dari 7.023 gambar dengan empat kelas tumor: glioma, meningioma, normal, dan pituitary. Hasil evaluasi menunjukkan bahwa model ResNet-50 mencapai akurasi 71,55% dan F1-Measure 0,6919, lebih baik dibandingkan dengan model base CNN yang memiliki akurasi 71,34% dan F1-Measure 0,6714. Penelitian ini diharapkan dapat meningkatkan akurasi dan efisiensi deteksi otomatis tumor otak, serta memberikan kontribusi dalam manajemen klinis.