Peternakan membutuhkan inovasi teknologi untuk meningkatkan produktivitas dan efisiensi. Ayam adalah hewan ternak yang memiliki prospek pasar yang baik. Namun, tidak semua peternak memahami tentang penyakit dan tanda-tanda ayam yang sakit. Pendeteksian penyakit pada ayam dapat dilakukan dengan berbagai metode, salah satunya adalah dengan melihat dari bentuk tinja yang dihasilkan ayam. Citra pada feses dapat dideteksi dengan menggunakan machine learning. Convolutional Neural Network (CNN) digunakan untuk mempercepat prediksi penyakit. Transfer learning digunakan untuk memanfaatkan pengetahuan yang sudah dipelajari oleh model sebelumnya. Pada penelitian ini, kami mengusulkan model arsitektur CNN sendiri dan memaparkan penelitian dengan membangun sebuah model baru untuk mendeteksi dan mengklasifikasikan penyakit pada ayam melalui fesesnya. Proses pelatihan model dilakukan dengan memasukkan data latih dan data validasi, jumlah epoch, dan objek checkpointer yang sudah dibuat. Tahap mengubah hyperparameter dilakukan untuk meningkatkan tingkat akurasi model. Penelitian dilakukan dengan menguji dataset yang didapatkan dari repositori kaggle yang memiliki citra coccidiosis, salmonella, newcastle, dan feses yang sehat. Pada hasil penelitian menunjukkan bahwa model usulan hanya mendapatkan akurasi sebesar 93% sedangkan untuk akurasi terbaik pada penelitian menggunakan model EfficientNerV2L dengan optimizer RMSProp yaitu 97%.