Kanker kulit merupakan salah satu penyakit serius yang ditandai dengan pertumbuhan sel kulit abnormal dan dapat menyebabkan kerusakan jaringan kulit yang sehat. Deteksi dini kanker kulit sangat penting untuk meningkatkan peluang kesembuhan. Dermatoskopi adalah metode pemeriksaan yang umum digunakan untuk mendeteksi kanker kulit. Namun, diperlukan suatu cara otomatis yang akurat dalam melakukan klasifikasi citra dermatoskopik. Penelitian ini bertujuan untuk membandingkan model Convolutional Neural Network (CNN) dengan arsitektur VGG-16 dan ResNet50 dalam melakukan klasifikasi kanker kulit. Dataset yang digunakan dalam penelitian ini adalah citra dermatoskopik yang didapatkan secara gratis dan boleh digunakan untuk umum dari situs Kaggle. Pada awal penelitian, seluruh citra akan dilakukan proses preprocessing dengan cara melakukan resize pada citra menjadi ukuran 224x224 piksel kemudian dilakukan normalisasi dengan min-max scaling. Pengujian VGG-16 dan ResNet50 dilakukan dengan mengkombinasikan optimizer, nilai batch size, learning rate, dan epoch untuk mencari kombinasi terbaik dari kedua model yang menghasilkan akurasi tertinggi. Berdasarkan pengujian yang dilakukan, didapatkan akurasi tertinggi model ResNet50 yaitu sebesar 82.39% yang didapat menggunakan kombinasi optimizer SGD, batch size bernilai 64, dan epoch bernilai 100 dengan learning rate 0.01 dan 0.001. Berdasarkan pengujian yang dilakukan, didapatkan akurasi tertinggi dari model VGG-16 yaitu sebesar 82.04% yang didapat menggunakan kombinasi optimizer SGD, batch size bernilai 32, dan epoch bernilai 25 dan learning rate 0.001.