Ovulasi merupakan fase penting dalam siklus menstruasi yang
menandai masa subur seorang wanita. Identifikasi masa subur
umumnya dilakukan melalui metode kalender, pengujian hormon,
maupun pemeriksaan lendir serviks. Namun, metode tersebut
memiliki keterbatasan dalam hal akurasi, biaya, serta kenyamanan pengguna. Penelitian ini mengusulkan pengembangan sistem deteksi masa subur berbasis citra saliva ferning menggunakan Convolutional Neural Network (CNN). Data citra saliva dikumpulkan dari 10 wanita berusia 18–35 tahun dengan total 90 sampel, terdiri dari tiga kategori: infertile, intermediate, dan fertile. Setiap citra diproses melalui tahapan cropping, grayscale, dan augmentasi untuk meningkatkan kualitas serta variasi data. Arsitektur CNN
dibangun menggunakan tiga lapisan konvolusi dan max-pooling,
serta dioptimasi dengan Adam optimizer (learning rate = 0.001). Proses pelatihan dilakukan dengan batch size 60 dan 20 epoch menggunakan Google Colaboratory. Hasil pengujian menunjukkan bahwa model CNN mampu mengklasifikasikan pola ferning saliva dengan akurasi yang tinggi, serta menghasilkan confusion matrix yang konsisten pada tiap kelas. Penelitian ini menunjukkan bahwa metode CNN memiliki potensi tinggi sebagai pendekatan non-invasif dan efisien untuk mendeteksi masa subur wanita berdasarkan citra saliva.