Kista Ovarium merupakan salah satu bentuk dari penyakit reproduksi yang banyak menyerang wanita. Kista ovarium dibagi ke dalam dua jenis utama, yaitu kista fungsional dan kista patologis. Untuk mendeteksi jenis sebuah kista ovarium, dokter ahli kandungan di rumah sakit biasanya menggunakan alat ultrasonografi. Tes ini dapat membantu dokter untuk mengetahui ukuran dari kista, mendeteksi apakah ada papiler pada kista.Permasalahan yang timbul yakni dalam melakukan diagnosa para dokter hanya menggunakan pengindraan saja. Sehingga memungkinkan terjadinya human error. Oleh karena itu, dalam rencana proyek akhir ini akan dikembangkan suatu sistem yang bisa membantu dokter dalam mengamati hasil gambar USG. Dimulai dari memasukkan gambar berupa citra USG kista ovarium pada sistem yang kemudian akan dilakukan preprocessing untuk menghilangkan noise dan memperbaiki citra gambar dengan metode bilateral filtering, morphology operatio, dan highboost. Selanjutnya dilakukan proses segmentasi yang digunakan untuk memisahkan object kista dan background pada citra USG dengan menggunakan metode Watersheed, melakukan proses feature extraction untuk meghitung panjang, lebar kista dan papiler yang di deteksi dengan analisis contour menggunakan metode Bounding box. Dan sistem klasifikasi menggunakan metode tree decision untuk menentukan kista fungsional dan patologis. Diharapkan dari hasil deteksi kista yang terlihat pada citra USG dapat membantu dokter dalam menganalisa kista fungsional dan patologis untuk pemeriksaan lebih lanjut. Dari hasil pengujian yang sudah dilakukan, akurasi keberhasilan deteksi kista ovarium sebesar 97.80%.