<![CDATA[Kesehatan gigi dan mulut memiliki peran penting dalam menjaga kualitas hidup serta kesehatan tubuh secara keseluruhan, namun keterlambatan diagnosis penyakit gigi dan mulut masih sering terjadi akibat keterbatasan akses terhadap tenaga medis serta rendahnya kesadaran masyarakat terhadap pentingnya pemeriksaan dini. Penelitian ini bertujuan mengembangkan sistem pakar diagnosis penyakit gigi dan mulut berbasis Android dengan mengintegrasikan metode Convolutional Neural Network berarsitektur VGG16 sebagai pengklasifikasi citra klinis dan metode Forward Chaining sebagai mesin inferensi untuk memberikan rekomendasi penanganan awal. Dataset yang digunakan berjumlah 1750 citra klinis gigi dan mulut yang terbagi ke dalam lima kelas penyakit, yaitu gingivitis, dental calculus, caries, ulcer, dan hypodontia, dengan masing-masing kelas terdiri dari 350 citra. Dataset dibagi menjadi 70 % data pelatihan, 15 % data validasi, dan 15 % data pengujian guna memastikan proses pembelajaran dan evaluasi model berjalan optimal. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi klasifikasi sebesar 98 %. Evaluasi kinerja model yang dilakukan berdasarkan classification report mendapatkan, nilai precision pada kisaran 95%–100%, recall pada kisaran 92%–100%, dan f1-score pada kisaran 95%–100%. Secara keseluruhan, model mencapai akurasi 98%, yang menunjukkan performa klasifikasi yang baik dan konsisten. Integrasi hasil klasifikasi Convolutional Neural Network dengan metode Forward Chaining memungkinkan sistem memberikan diagnosis awal serta rekomendasi penanganan relevan berdasarkan aturan medis. Dengan demikian, sistem ini efektif sebagai alat bantu deteksi dini penyakit gigi dan mulut berbasis citra melalui perangkat seluler bagi masyarakat wilayah dengan keterbatasan layanan kesehatan.]]>
