Penyakit gigi adalah masalah umum yang dapat mempengaruhi kualitas hidup banyak orang. Karena prevalensi penyakit gigi yang meningkat, diagnosis penyakit gigi harus dilakukan dengan cepat dan efektif. Tujuan dari penelitian ini adalah untuk membuat sistem identifikasi penyakit gigi yang menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang diimplementasikan sebagai aplikasi telepon. Sistem ini dimaksudkan untuk membantu dokter gigi dan orang umum mengidentifikasi penyakit gigi secara otomatis melalui analisis gambar. Dengan dataset jenis penyakit gigi seperti calculus, caries, dan periodontitis, model CNN dilatih selama 25 epochs menggunakan optimizer Adam. Hasil uji coba menunjukkan bahwa model yang sudah dilatih berfungsi dengan baik dan memiliki tingkat precision 96%, 85%, 0.68% dan recall 0.91% 0.67% 0.86% fi-support 0.93% 0.75% 0.76%. Diharapkan penerapan sistem berbasis ponsel akan menjadi lebih mudah bagi dokter gigi saat menggunakannya.
Kata Kunci : Penyakit Gigi, Identifikasi, Convolutional Neural Network (CNN), MobileNetV2, diagnosis otomatis, aplikasi mobile, sistem identifikasi.