Lingkungan yang memiliki genangan air sering menjadi tempat berkembang biaknya nyamuk sehingga berpotensi menimbulkan penyakit menular. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mendeteksi potensi sarang jentik nyamuk berbasis citra lingkungan menggunakan Convolutional Neural Network (CNN) dengan arsitektur DenseNet121. Dataset diperoleh melalui dokumentasi lapangan dengan dua kategori, yaitu berpotensi dan tidak berpotensi sebagai sarang jentik nyamuk. Tahapan penelitian meliputi preprocessing citra yaitu resize, normalisasi, dan augmentasi, perancangan model CNN, serta penerapan DenseNet121 dengan transfer learning. Hasil pengujian menunjukkan bahwa model mampu mencapai tingkat akurasi sebesar 98%, precision 95%, recall 100%, dan F1-Score 98%, yang membuktikan kehandalan model dalam mengenali pola visual lingkungan. Sistem juga telah diimplementasikan ke dalam antarmuka berbasis Streamlit, sehingga pengguna dapat mengunggah citra dan memperoleh hasil klasifikasi secara real-time melalui browser. Penelitian ini berhasil memenuhi tujuan untuk menghadirkan alat bantu berbasis kecerdasan buatan yang praktis, akurat, dan mudah diakses. Namun, pengembangan selanjutnya diperlukan melalui perluasan variasi dataset, peningkatan kondisi pencahayaan dan objek, serta eksplorasi model deteksi berbasis YOLO agar sistem lebih adaptif terhadap kondisi nyata di lapangan.