Keterbatasan wawasan para petani kelapa sawit terhadap hama dan penyakit kelapa sawit berhubungan dengan produktivitas kelapa sawit. Provinsi Jambi merupakan salah satu penghasil kelapa sawit terbesar di Pulau Sumatra. Biasanya, untuk mengetahui jenis hama dan penyakit pada kelapa sawit di lapangan, para petani membutuhkan pengeahuan seperti yang dimiliki tenaga ahli tentang penyakit kelapa sawit. Namun, pembatasan fasilitas dan kemampuan menjadi kendala. Penelitian ini menawarkan sistem pakar untuk menganalisis penyakit kelapa sawit dengan menggunakan deep learning. Metode ini adalah pembelajaran mendalam dengan akurasi yang sangat baik. Berbagai penelitian terbaru yang menggunakan DNN menyebutkan hasil akurasi klasifikasi sangat baik. Data yang digunakan untuk sistem pakar dengan algoritma DNN ini berasal dari data diagnosis kelapa sawit dari Dinas Perkebunan Provinsi Jambi. Setelah data diagnosis penyakit kelapa sawit dilatih, model data pelatihan akan disimpan untuk proses pengujian diagnosis penyakit kelapa sawit. Dengan jumlah kelas sebanyak 11 (Penyakit Bercak Daun, Penyakit Busuk Daun Antroksa, Penyakit Karat Daun, Penyakit Tajuk Daun, Penyakit Busuk Kuncup, Penyakit Busuk Pangkal, Ulat Api atau Setora nitens, Tungau Merah atau Oligonychus, Kumbang Tanduk atau Orycte rhinoceros, Penggerek Tandan Buah, dan Nematoda Rhadinaphelenchus Cocophilus), dengan variabel pengujian antara lain Jumlah kelas, TP, TN, FP, FN, Presisi, Recall, F1-score, Akurasi, dan Missclassificaion rate. Diperoleh nilai akurasi tertinggi yakni sebesar 0.88, sedangkan nilai terendah sebesar 0.83 dan rata-rata akurasi adalah 0.86. Hal ini menunjukan bahwa hasil diagnosis sistem pakar pada data penyakit kelapa sawit dengan DNN cukup baik.