T Tuberculosis adalah penyakit yang umumnya menginfeksi paru-paru. Tuberculosisdapat didiagnosis berdasarkan hasil citra Chest X-Ray (CXR) pasien. Penelitian inimemanfaatkan data citra CXR dari pasien penderita Tuberculosis. Data tersebut digunakanuntuk membuat sebuah model machine learning yang dapat digunakan dalam membuatsistem prediksi untuk memprediksi adanya kemungkinan Tuberculosis pada paru-paru.Dengan adanya sistem prediksi tersebut, dokter dapat mempertimbangkan keputusan dalammendiagnosis penyakit Tuberculosis pada pasien. Selain itu proses diagnosis akan memakanwaktu lebih cepat dibandingkan dengan mendiagnosis secara manual. Dengan mempercepatproses diagnosis, maka itu akan mengoptimalkan pelayanan kesehatan dalam melakukanproses perawatan penderita Tuberculosis. Metode yang penulis gunakan ialah metodeCRISP-DM. Arsitektur yang digunakan untuk membuat model sistem prediksi merupakanmodel arsitektur Convolutional Neural Network. Data yang digunakan merupakan databeragam yang didapat dari banyak sumber. Total data yang digunakan ialah 7000 data citraCXR di mana 3500 data merupakan paru-paru normal dan 3500 data lainnya merupakanparu-paru yang terinfeksi Tuberculosis. Data tersebut dibagi dengan nilai proporsi 20% datauji dan 80% data latih. Data dilatih dengan mengatur Hyperparameter model dan dievaluasisecara berulang hingga mendapatkan hasil Confusion Matrix terbaik yang didasarkan padatiga arsitektur model yang berbeda. Model terbaik yang berhasil dilatih memiliki nilai akurasisebesar 0,963 sehingga mampu memprediksi sebanyak 96,3% penyakit Tuberculosis