Cedera kepala merupakan penyebab mortalitas dan morbiditas terbanyak yang biasanya menyebabkan pendarahan (patologis) yang terjadi di dalam kranium yang sering disebut dengan pendarahan otak atau Intracranial Hemorrhage (ICH). Tetapi pada saat ini diagnosa pendarahan otak (ICH) dan penentuan jenisnya masih dilakukan secara manual dengan cara mengambil gambar otak atau sering disebut CT-Scan. Kemudian baru hasil foto tersebut dianalisis oleh dokter spesialis radiologi yang berpengalaman. Pada penelitian ini dilakukan pemodelan Convolutional Neural Network sebagai alat bantu dokter untuk mendeteksi pendarahan otak (ICH) berdasarkan gambar CT-Scan dan juga menunjukkan tingkat kemungkinan / probabilitasnya untuk lima kelas yaitu epidural, intraparenchymal, intraventricular, subarachnoid, dan subdural. Dataset yang dipakai terdiri dari total lebih dari 750.000 gambar CT-Scan otak diambil dari Radiological Society of North America (RSNA). Pemodelan Convolutional Neural Network pada penelitian ini adalah Inceptionv3 dengan empat layer lainnya yaitu layer konvolusi, fungsi aktivasi layer, pooling layer, dan fully connected layer. Hasil dari penelitian ini menunjukkan model klasifikasi pendarahan otak (ICH) yang ditemukan mendapatkan akurasi sebesar 80% dan dapat melabeli gambar CT-Scan secara otomatis untuk membantu dokter radiologi sehingga dapat mengurangi biaya, waktu, dan human error.