Indonesia memiliki banyak jenis tanaman mangrove yang tersebar di seluruh pesisir pantai hingga di pinggir sungai. Jenis tanaman mangrove dapat dibedakan berdasarkan tipe akar, ukuran batang, bentuk daun, warna bunga, maupun buahnya. Meskipun setiap jenis dari tanaman mangrove memiliki karakteristik yang berbeda, namun terdapat beberapa jenis yang terlihat serupa dengan jenis lain, apalagi pada bagian daunnya. Oleh karena itu, untuk memudahkan masyarakat mengenali jenis tanaman mangrove tersebut, dibutuhkan sebuah model untuk melakukan klasifikasi jenis tanaman mangrove dengan menerapkan teknologi yang ada pada saat ini. Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) pada klasifikasi jenis tanaman mangrove. Algoritma yang digunakan adalah You Only Look Once (YOLO) versi ke-5 dengan 3 varian berbeda yaitu varian YOLOv5s, YOLOv5m, dan YOLOv5l. Ketiga varian tersebut memiliki waktu pemrosesan dan jumlah layer yang berbeda. Penelitian ini menggunakan data citra daun mangrove yang sampelnya diambil dari Kawasan Hutan Mangrove Kota Tarakan dengan total citra pada dataset berjumlah 1590 citra yang terdiri dari 4 jenis tanaman mangrove yaitu Rhizopora apiculata (Bakau Minyak), Bruguiera gymnorhiza (Lindur), Sonneratia alba (Perepat), dan Avicennia alba (Api-api). Dengan menggunakan Confusion Matrix Multi Class sebagai metode pengujiannya, didapatkan nilai akurasi sebesar 65% untuk YOLOv5s, 83% untuk YOLOv5m, dan 90% untuk YOLOv5l.