Penyakit p pneumonia merupakan salah satu penyebab utama kematian di Indonesia dan diagnosis dini sangat penting untuk penanganan yang efektif. Penelitian ini bertujuan untuk mengembangkan model klasifikasi pneumonia menggunakan metode Convolution Neural Network (CNN) berbasis citra X-ray paru-paru. Metodologi penelitian ini melibatkan penggunaan dataset citra rontgen paru-paru yang diambil dari Kaggle, yang terdiri dari dua kelas yaitu p pneumonia dan normal. Tahapan yang dilakukan meliputi pengumpulan data, pre-processing citra, pelatihan model CNN, serta evaluasi model menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model CNN yang dibangun mampu mengklasifikasikan citra X-ray paru-paru dengan akurasi mencapai 96%. Evaluasi lebih lanjut menunjukkan bahwa model ini memiliki tingkat presisi dan recall yang tinggi, yang menunjukkan kemampuannya dalam mengenali pneumonia dengan baik. Selain itu, confusion matrix menunjukkan bahwa model ini memiliki performa yang baik dalam mengidentifikasi kedua kelas dengan minim kesalahan. Penelitian ini memberikan kontribusi dalam bidang teknologi kesehatan, khususnya dalam pemanfaatan CNN untuk klasifikasi penyakit pneumonia. Temuan ini menunjukkan bahwa CNN adalah metode yang efektif untuk meningkatkan kecepatan dan akurasi diagnosis pneumonia melalui analisis citra X-ray. Ke depannya, penelitian lebih lanjut dengan dataset yang lebih besar dan beragam dapat lebih meningkatkan performa model ini.