Penelitian ini mengkaji penggunaan metode Convolutional Neural Network (CNN) dalam klasifikasi tumor otak pada citra Magnetic Resonance Imaging (MRI). Dengan fokus pada berbagai arsitektur CNN seperti AlexNet, EfficientNet-B3, serta eksperimen terkait augmentasi data dan optimasi hiperparameter, studi ini menunjukkan peningkatan signifikan dalam akurasi klasifikasi dibandingkan dengan metode tradisional. Beberapa penelitian yang disertakan menggunakan dataset MRI yang mencakup berbagai jenis tumor otak, seperti glioma, meningioma, dan pituitary. Hasilnya, model CNN terbukti efektif dalam mendeteksi dan mengklasifikasikan tumor otak dengan akurasi yang mencapai 99,7%. Selain itu, teknik augmentasi data seperti flipping, scaling, dan rotasi berhasil meningkatkan variasi data pelatihan, yang pada gilirannya mengurangi overfitting dan meningkatkan kemampuan model untuk mengenali pola dari citra baru. Penelitian ini juga mencakup perbandingan dengan metode lain seperti Artificial Neural Network (ANN) dan Support Vector Machine (SVM), di mana CNN menunjukkan kinerja superior dalam hal akurasi dan efisiensi. Dengan demikian, aplikasi CNN dalam pengolahan citra medis, khususnya dalam diagnosis tumor otak, memiliki potensi besar untuk meningkatkan akurasi diagnosis dan mendukung proses pengambilan keputusan medis secara lebih cepat dan tepat.