S Saat ini, untuk menentukan penyebab gangguan pada jaringan transmisi masih dilakukan secara manual oleh manusia dengan menganalisa pola gelombang sinusoidal maupun pola lokus impedansi. Dalam situasi tertentu analisa akan sulit untuk dilakukan. Hal ini membuat durasi penormalan pasca gangguan menjadi lama. Sehingga dibutuhkan proses klasifikasi yang dapat memprediksi penyebab gangguan. Menggunakan metode Convolutional Neural Network (CNN) dengan input gambar yang dibagi menjadi tiga kelas yaitu hewan, petir, dan pohon. Sebanyak 30 dataset disetiap kelas yang akan digunakan untuk proses training dan testing. Kemudian model CNN yang telah dilatih selanjutnya digunakan untuk memprediksi penyebab gangguan. Model CNN yang telah ditentukan menghasilkan nilai akurasi persentase prediksi penyebab gangguan pada sistem tenaga listrik sebesar 86%. Hasil ini cukup akurat untuk memprediksi penyebab gangguan sistem tenaga listrik.