Air bersih merupakan kebutuhan dasar masyarakat yang pengelolaannya di Indonesia dilaksanakan oleh Perusahaan Daerah Air Minum (PDAM). Seiring dengan meningkatnya jumlah pelanggan Perumdam Tirta Musi Kota Palembang yang pada tahun 2025 mencapai sekitar 355.475 pelanggan, kebutuhan akan sistem pencatatan meter air yang efisien dan akurat menjadi semakin penting. Proses pencatatan meter air yang masih dilakukan secara manual berpotensi menimbulkan berbagai permasalahan, seperti kesalahan pembacaan angka meter, keterlambatan pencatatan, serta ketidakakuratan data yang berdampak pada proses penagihan. Penelitian ini bertujuan untuk membandingkan performa model Convolutional Neural Network (CNN) dalam mengklasifikasikan citra meter air ke dalam kategori Jelas dan Tidak Jelas menggunakan dataset primer dan dataset sekunder. Tahapan penelitian meliputi pengumpulan dataset, image preprocessing, pembagian data dengan rasio 70:30, 80:20, dan 90:10, pelatihan model CNN, serta evaluasi performa menggunakan metrik Accuracy, Precision, Recall, F1-Score, Confusion Matrix, dan Receiver Operating Characteristic–Area Under Curve (ROC-AUC). Hasil klasifikasi citra yang termasuk kategori Jelas selanjutnya digunakan sebagai masukan pada proses pembacaan angka meter menggunakan Optical Character Recognition (OCR). Hasil penelitian menunjukkan bahwa model CNN mampu mengklasifikasikan citra meter air dengan baik, serta menghasilkan performa yang berbeda pada dataset primer dan dataset sekunder. Berdasarkan hasil evaluasi, dataset primer memberikan performa klasifikasi yang lebih baik dibandingkan dataset sekunder pada sebagian besar skenario pengujian. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem pembacaan meter air otomatis yang lebih akurat dan mendukung peningkatan kualitas proses pencatatan meter air pada lingkungan PDAM.