Sebagian besar cadangan nikel di dunia ditemukan dalam bentuk nikel besi-oksida yang disebut laterit. Endapan nikel laterit terbentuk dari proses pelapukan yang panjang dan meliputi pengayaan supergen dan pelapukan kimiawi. Endapan ini tersusun dari tiga lapisan yaitu limonit, saprolit dan batuan dasar yang secara keseluruhan disebut profil nikel laterit. Penelitian ini menggunakan data foto inti batuan dari salah satu lapangan milik P.T. Vale Indonesia Tbk. Metode yang digunakan adalah metode pembelajaran mesin tersupervisi yaitu convolutional neural network dengan tujuan untuk mengetahui kemampuan pembelajaran mesin dalam melakukan prediksi profil nikel laterit berdasarkan data foto. Model yang dibuat berdasarkan metode convolutional neural network memiliki akurasi 87% dan memiliki tren akurasi yang cenderung meningkat seiring dengan bertambahnya proses pembelajaran (epoch). Perbandingan antara litologi hasil prediksi dan litologi sebenarnya yang dilihat berdasarkan ilustrasi drillhole dan model geologi menunjukkan bahwa model yang dibuat sudah cukup baik dalam melakukan prediksi profil nikel laterit secara keseluruhan. Kelebihan penggunaan metode pembelajaran mesin dalam prediksi profil nikel laterit di antaranya adalah mengoptimalkan waktu dan meningkatkan konsistensi dalam penentuan lapisan laterit berdasarkan karakteristik visual. Di sisi lain, kekurangan pada metode ini yaitu masih cukup banyak kesalahan prediksi pada penentuan saprolit dan batuan dasar.