Tumor otak merupakan salah satu penyebab gangguan fungsi otak yang berakibat fatal tanpa penanganan cepat. Penelitian ini mengembangkan model Convolutional Neural Network (CNN) dengan residual block untuk deteksi tumor otak pada citra Magnetic Resonance Imaging (MRI). Implementasi residual block terbukti mengatasi degradasi kinerja jaringan dalam melalui shortcut connection, dengan metodologi eksperimental menggunakan dataset MRI T2 weighted penampang axial. Tahapan kerja mencakup pengumpulan data, pre-processing, pengembangan model, dan evaluasi menggunakan metrik accuracy, precision, recall, dan IoU. Hasil validasi menunjukkan akurasi klasifikasi 95,80% dan presisi 97%, tetapi model deteksi objek mencapai rata-rata Intersection over Union (IoU) 0,33. Temuan mengungkapkan ketahanan model terhadap vanishing gradient, sekaligus tantangan lokalisasi tumor dengan karakteristik visual mirip cairan serebrospinal. Pendekatan ini menawarkan dasar untuk sistem diagnosis medis berbasis deep learning yang responsif, meski memerlukan optimasi lebih lanjut untuk deteksi spasial.