Citra CT-Scan merupakan salah satu sumber data untuk dapat mengidentifikasi penyakit hati untuk diagnosis kanker hati pada orang dewasa. Melalui tindakan benar dengan bantuan pemeriksaan medis citra CT-Scan maka harapan hidup penderita dapat lebih panjang. Namund dalam prosesnya untuk mengidentifikasikan kanker hati melalui CT-Scan, para ahli sering mengalami kesalahan diagnosis karena pada kanker hati memiliki gejala yang sama untuk tipe kanker hati yang berbeda. Selain itu para ahli juga membutuhkan waktu yang cukup lama untuk mendiagnosa seorang pasien. Penelitian ini menggunakan pengolahan citra untuk mengolah citra CT-Scan menjadi citra yang dapat diterima komputer untuk diolah guna mendiagnosa pasien. Dengan pengolahan citra, penelitian ini mengembangkan metode segmentasi citra dengan Active Contour untuk identifikasi area tumor, Morphological Operators untuk memperhalus tepian citra, dan Thresholding untuk mengubah citra asli menjadi citra biner agar dapat dibaca dengan mudah oleh komputer. Pada tahap awal, dibangun tahap preprocessing untuk normalisasi citra dengan seluruh dataset dengan resize, grayscalling, dan gaussian filtering. Identifikasi citra untuk mendiagnosa, digunakan metode Convolutional Neural Network (CNN). Dengan layer fitur ekstraksi tekstur pada CNN maka area tumor dapat dideteksi dengan membuat tekstur dari citra lebih jelas melalui beberapa filter. Dan pada tahap akhir dengan layer klasifikasi pada CNN, program dalam mengeluarkan sebuah hasil identifikasi pada citra sebagai 2 klas yaitu terindeksi HCC (Hepatocelluler Carcinoma) dan normal.