Kipas sentrifugal adalah peralatan penting dalam industri yang berfungsi untuk memindahkan udara dari satu tempat ke tempat lain dengan menggunakan prinsip gaya sentrifugal. Peralatan ini rentan terhadap kerusakan karena lingkungan kerja yang memiliki kelembaban tinggi, debu, dan korosi. Meskipun kerusakan pada kipas sentrifugal dapat terjadi pada bagian mana saja, namun kerusakan bagian bilah paling sering terjadi menyebabkan lebih dari 65% kerusakan mekanis pada kipas sentrifugal. Oleh karena itu, deteksi kerusakan kipas sentrifugal perlu dilakukan untuk mencegah kerusakan yang dapat memberikan kerugian pada industri. Penelitian ini bertujuan untuk mendeteksi kerusakan kipas sentrifugal menggunakan sinyal getaran dan akustik dengan metode klasifikasi Convolutional Neural Network (CNN). Dalam penelitian ini menggunakan empat jenis kondisi kipas sentrifugal yaitu kondisi normal, unbalance, crack, dan missing blade. Data sinyal getaran dan akustik diambil menggunakan sensor accelerometer dan microphone pada kecepatan 2800 rpm dan 1400 rpm. Data sinyal kemudian diekstraksi menjadi fitur statistik RMS dan Mean Frequency yang kemudian diklasifikasi mengunakan metode CNN. Hasil penelitian menunjukkan metode CNN dengan fitur statistik pada sinyal getaran dan akustik dapat mendeteksi kerusakan pada kipas sentrifugal dengan akurasi lebih dari 95%. Hasil klasifikasi sinyal getaran memiliki akurasi lebih tinggi daripada sinyal akustik. Selain itu, pada kecepatan 2800 rpm menunjukkan hasil yang lebih baik dibandingkan kecepatan 1400 rpm.