Penyakit kulit merupakan gangguan pada lapisan luar tubuh manusia yang memiliki berbagai jenis dan gejala, seperti peradangan, lesi, perubahan tekstur dan warna kulit. Penelitian ini bertujuan mengembangkan aplikasi klasifikasi penyakit kulit berbasis CNN untuk membantu prediksi lima jenis penyakit kulit, yaitu Granuloma Annulare, Ringworm, Erythema Annulare Centrifugum, Psoriasis, dan Dermatitis Numularis. Dataset berupa 4.105 citra kulit dibagi ke dalam data train, validation, dan test dengan rasio 70:15:15. Model CNN dirancang dengan kombinasi Convolutional Layer, Pooling Layer, Dropout, dan Fully Connected Layer. Data diklasifikasikan menggunakan pendekatan supervised learning dengan fungsi aktivasi ReLU dan Softmax, serta optimisasi dengan algoritma Adam. Model ini menghasilkan akurasi sebesar 98,23% pada 620 data uji. Kontribusi utama dari penelitian ini adalah menghasilkan aplikasi klasifikasi penyakit kulit dengan kompleksitas rendah namun performa tinggi, yang berpotensi diterapkan pada sistem prediksi otomatis berbasis kecerdasan buatan di bidang dermatologi.