Tuberkulosis (TB) adalah penyakit infeksi menular yang disebabkan oleh bakteri Mycobacterium tuberculosis, yang terutama menyerang paru-paru. Interpretasi citra rontgen dada oleh tenaga medis sering berbeda karena perbedaan latar belakang profesional dan kelelahan visual, yang meningkatkan risiko kesalahan diagnosis dan keterlambatan penanganan, sehingga dibutuhkan metode otomatis yang cepat dan akurat. Penelitian ini memanfaatkan arsitektur convolutional neural network InceptionV3 dan InceptionResNetV2 dengan bobot pra-latih ImageNet yang kemudian disesuaikan lapisan akhirnya pada dataset 1.400 citra X-ray (700 normal, 700 TB. Hasil eksperimen menunjukkan InceptionV3 mencapai akurasi 99,29%, sedangkan InceptionResNetV2 unggul dengan akurasi 99,64% dan spesifisitas 100%. Penurunan loss yang lebih cepat pada InceptionResNetV2 menandakan proses konvergensi lebih stabil dan keyakinan prediksi lebih tinggi. Dengan performa tersebut, model ini memiliki potensi besar untuk menjadi Decision Support System dalam diagnosis tuberkulosis secara otomatis, mempercepat alur kerja klinis dan meningkatkan konsistensi hasil diagnosis.