<![CDATA[Oral and dental diseases are health problems that require early detection to prevent further complications, while manual image-based diagnosis remains prone to subjectivity and interpretation errors. This study aims to design and develop a deep learning model based on a hybrid EfficientNet–Vision Transformer approach to accurately and consistently classify images of oral and dental diseases. The hybrid model employs EfficientNet as a local feature extractor and a Vision Transformer to capture global contextual information. The dataset consists of six disease classes, each containing 1,800 images. Training was conducted using the Adam optimizer with a learning rate of 0.0001, early stopping, and CutMix data augmentation, with EfficientNet-B3 and a standalone Vision Transformer used as baseline comparators. Evaluation results demonstrate that the hybrid model achieves the highest accuracy of 93.69% with stable and well-balanced performance, indicating its potential as a diagnostic decision support system, despite remaining limitations related to dataset size and distribution. Penyakit gigi dan mulut merupakan masalah kesehatan yang memerlukan deteksi dini untuk mencegah komplikasi lebih lanjut, sementara diagnosis berbasis citra secara manual masih rentan terhadap subjektivitas dan kesalahan interpretasi. Penelitian ini bertujuan untuk merancang dan mengembangkan model deep learning berbasis pendekatan hybrid EfficientNet–Vision Transformer guna melakukan klasifikasi citra penyakit gigi dan mulut secara akurat dan konsisten. Model hybrid memanfaatkan EfficientNet sebagai ekstraktor fitur lokal dan Vision Transformer untuk menangkap konteks global. Dataset terdiri dari enam kelas penyakit dengan masing-masing 1.800 citra. Pelatihan dilakukan menggunakan optimizer Adam, learning rate 0,0001, early stopping, serta teknik data augmentation CutMix, dengan EfficientNet-B3 dan Vision Transformer tunggal sebagai pembanding. Hasil evaluasi menunjukkan bahwa model hybrid mencapai akurasi tertinggi sebesar 93,69% dengan performa yang stabil dan seimbang, sehingga berpotensi digunakan sebagai sistem pendukung diagnosis, meskipun masih memiliki keterbatasan pada jumlah dan distribusi dataset.]]>
