Penelitian ini bertujuan untuk mengembangkan alat yang mampu mengklasifikasikan kondisi paru-paru berdasarkan suara batuk menggunakan metode Convolutional Neural Network (CNN). Kondisi paru-paru yang tidak sehat sering kali sulit terdeteksi pada tahap awal, sehingga berpotensi menyebabkan keterlambatan penanganan dan komplikasi serius. Dengan menganalisis karakteristik suara batuk, alat ini diharapkan dapat membantu mengidentifikasi kondisi paru-paru secara cepat dan akurat. Proyek ini mencakup perancangan sistem mulai dari input berupa sensor INMP441, pemrosesan menggunakan mikrokontroler ESP32S dan komputer, hingga output yang menampilkan klasifikasi kondisi paru-paru melalui antarmuka grafis (Graphical User Interface/GUI). Algoritma sistem melibatkan proses perekaman suara batuk, pengiriman file audio ke komputer, konversi audio menjadi spektrogram, klasifikasi menggunakan CNN, dan visualisasi hasil. Perangkat keras dirancang dalam bentuk kotak pengendali dengan corong silindris untuk menangkap suara secara optimal. Pengujian terhadap model CNN menunjukkan bahwa sistem memiliki kemampuan yang cukup baik dalam mengklasifikasikan kondisi paru-paru berdasarkan citra spektrogram suara batuk, dengan tingkat akurasi sebesar 83,33%. Dari 12 sampel data uji, model berhasil mengklasifikasikan 10 kasus dengan benar, termasuk 4 dari 5 kasus normal dan 6 dari 7 kasus tidak normal. Hasil ini membuktikan bahwa model mampu mengenali pola-pola khas dalam data suara, meskipun masih terdapat kesalahan klasifikasi yang kemungkinan disebabkan oleh kemiripan fitur atau kualitas input yang kurang optimal. Proses pra-pemrosesan seperti penyaringan frekuensi, normalisasi durasi, dan konversi ke bentuk spektrogram memberikan kontribusi positif terhadap performa model. Sebagai pengembangan lebih lanjut, disarankan untuk melakukan pengujian menggunakan data suara nyata dari lingkungan sebenarnya serta menerapkan teknik validasi silang atau penyesuaian arsitektur dan parameter model guna meningkatkan generalisasi dan akurasi sistem.