Kanker kulit merupakan gangguan pada kulit yang ditandai dengan pertumbuhan sel kulit yang tidak terkontrol akibat kerusakan DNA. Pemeriksaan fisik, khususnya pencitraan dermoskopi, bergantung pada keahlian, pengalaman, dan beban kerja dari dokter kulit yang menangani. Sehingga menghasilkan diagnosa yang bersifat subjektif dan tidak konsisten. Penelitian proyek akhir ini mengajukan suatu pemodelan baru untuk pendeteksian kanker kulit berdasarkan citra dermoskopi dengan mempresentasikan klasifikasi menggunakan metode Convolutional Neural Network (CNN). Permasalahan klasifikasi citra banyak diselesaikan menggunakan CNN karena telah terbukti lebih baik dibandingkan dengan metode klasik yang lainnya. Arsitektur CNN sangat beragam, menyesuaikan kebutuhan dari permasalahan yang ingin diselesaikan, yang tersusun oleh sedikitnya dua bagian, yaitu feature extraction layer dan classification layer. Arsitektur yang diusulkan pada penelitian proyek akhir ini bersifat custom. Terdapat penambahan proses batch normalization pada arsitektur yang diusulkan ini di bagian feature extraction layer. Model klasifikasi dengan arsitektur yang menggunakan batch normalization menghasilkan akurasi training 99,3%, loss training 0,0192, akurasi testing 97,63%, dan loss testing 0,1113. Terlepas dari nilai loss yang dihasilkan, model tersebut sudah cukup baik dalam membedakan antara lesi kulit kelas benign dan malignant, hanya perlu dilakukan improvisasi saja.