Pasca wabah covid19, muncul lagi ancaman penyakit menular yakni cacar monyet dengan nama lain virus monkeypox. Cacar monyet adalah penyakit yang ditularkan melalui virus hewan (herpes zoster) yang tergolong ke dalam genus orthopoxvirus dan memiliki gejala serupa dengan penyakit cacar dan cacar air. Salah satu cara mendiagnosis monkeypox adalah dengan mengklasifikasikan gambar lesi kulit serupa, untuk menentukan apakah pasien benar menderita monkeypox atau bukan. Metode yang umum digunakan untuk klasifikasi citra adalah Convolutional Neural Network (CNN). CNN merupakan pengembangan dari Multi-Layer Perceptron (MLP) yang ditujukan untuk mengolah data dua dimensi seperti gambar dan audio. Arsitektur CNN yang digunakan pada penelitian ini yakni VGG-19 dengan 16-convolution layer + relu, 5-pooling layer, dan fully connected layer. Dataset yang digunakan berjumlah 1.000 citra lesi kulit serupa monkeypox untuk diukur tingkat persentase akurasi, sensitivitas, dan spesifisitas. Hasil pengujian menggunakan unseen data diperoleh tingkat akurasi sebesar 76%, sensitivitas sebesar 76%, dan spesifisitas sebesar 92%.