Penelitian ini membahas penerapan transfer learning menggunakan arsitektur ResNet-50 untuk klasifikasi citra MRI tumor otak yang terdiri dari tiga jenis: glioma, meningioma, dan pituitary. Model dilatih dalam dua skenario fine-tuning, yaitu pembekuan 30 dan 15 layer pertama. Dataset yang digunakan berjumlah 3.064 citra yang telah diproses melalui augmentasi dan normalisasi. Model dievaluasi menggunakan metrik akurasi, precision, recall, f1-score, dan AUC. Hasil menunjukkan bahwa skenario pembekuan 30 layer menghasilkan akurasi validasi 90,18%, sedangkan pembekuan 15 layer mencapai 88,55%. Nilai AUC tertinggi adalah 0,98, yang menunjukkan bahwa model memiliki performa klasifikasi yang baik. Penelitian ini menunjukkan bahwa transfer learning dengan ResNet-50 efektif digunakan untuk klasifikasi citra medis.