Burung walet atau yang dikenal sebagai edible bird’s adalah burung yang mempunyai banyak manfaat, terutama sarang dari burung tersebut. Banyak pengusaha yang ingin mencoba usaha budidaya burung walet tersebut. Dalam hal ini tidak banyak pengusaha budidaya sarang burung walet yang mengerti dalam menentukan kualitas sarang burung yang terbaik untuk dijual. Dikarenakan sarang burung walet mempunyai perbedaan yang tidak signifikan untuk menentukan kualitasnya. Sehingga sering menyebabkan salahnya pengelompokan sarang burung walet tersebut yang menyebabkan kerugian bagi pengusaha itu sendiri. Salah satu solusi untuk mendukung proses identifikasi sarang burung walet pada masalah diatas adalah mengimplementasikan teknologi dari deep learning untuk mengklasifikasi kelayakan pada sarang burung sebagai keputusan dari objek yang telah diproses dengan menggunakan algoritma Convoluutional neural network (CNN) yaitu pengembangan dari multilayer perceptron (MLP) yang disesain untuk mengolah data dua dimensi. Sehingga tujuan dari penelitian ini adalah merancang dan membangun aplikasi kelayakan sarang burung walet menggunakan algortima CNN. Berdasarkan hasil pengujian terhadap dataset pada model CNN diperoleh akurasi sebesar 96%. Kemudian dilakukan pengujian terhadap 90 data dengan menggunakan teknik confusion matrix sehingga memperoleh akurasi sebesar 96%, dan memasukan jumlah epochs sebesar 30 yang menghasilkan lose akurasi loss 0.0993 menunjukan akurasi tersebut termasuk dalam kategori baik.