Policystic Ovary Syndrome (PCOS) adalah penyakit gangguan hormon endokrin yang banyak menjangkit wanita pada siklus reproduksi mereka. Ini menjadi perhatian pada pasangan yang sudah menikah karena menyangkut masalah tingkat kesuburan wanita. Salah satu kriteria untuk mendiagnosa PCOS adalah polikistik ovarium (PCO) [1]. Polikistik ovarium dapat diketahui dari jumlah dan diameter dari setiap folikel pada citra USG [8], namun dokter masih harus menganalisa citra USG secara manual, sehingga diperlukan sistem yang mampu mengklasifikasikan citra USG kedalam kelas PCO dan non PCO untuk menjadi data pendukung dokter dalam menentukan PCOS pada pasienya. Pada penelitian sebelumnya [9, 10, 14, 15] sudah ada yang melakukan klasifikasi PCOS secara otomatis oleh sistem menggunakan beberapa metode. Namun ekstraksi fiturnya masih dilakukan secara manual. Dalam tugas akhir ini akan dilakukan ekstraksi fitur secara otomatis pada citra USG menggunakan Convolutional Neural Network (CNN). CNN dipilih karena metode ini sudah sangat populer dalam bidang computer vision. Setelah keseluruhan skenario observasi dilakukan, performansi yang dihasilkan CNN sangatlah baik. CNN mampu memberikan performansi terbaik terhadap data tes dengan nilai micro-average f1-score 100% dan rata-rata 76.36% pada 5-fold cross-validation.