Untuk menentukan perawatan kulit yang tepat, mengetahui tipe kulit wajah merupakan salah satu langkah penting untuk menghindari kesalahan dalam pemilihan produk maupun perawatan kulit. Namun, proses identifikasi tipe kulit masih sering dilakukan secara manual sehingga dapat bersifat subjektif dan kurang efisien. Penelitian ini bertujuan untuk mengembangkan model deteksi tipe kulit wajah berbasis Deep Learning menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 dan pendekatan transfer learning, serta mengimplementasikannya pada aplikasi berbasis Android. Dataset yang digunakan terdiri atas tiga kelas tipe kulit wajah, yaitu dry, normal, dan oily dengan total 206 citra. Dataset dibagi menjadi data training, validation, dan testing dengan rasio 70:15:15 menggunakan metode stratified split. Pada data training diterapkan oversampling dan augmentasi secara on-the-fly menggunakan beberapa transformasi citra, yaitu horizontal flip, rotation, CLAHE, random brightness and contrast, serta Gaussian noise. Model menggunakan bobot pretrained ImageNet dan dilakukan optimasi hyperparameter menggunakan Optuna. Selanjutnya, proses fine-tuning dilakukan dengan membuka 30 layer teratas MobileNetV2 untuk menyesuaikan fitur model dengan karakteristik citra tipe kulit wajah. Hasil pengujian menunjukkan bahwa model fine-tuning memperoleh accuracy sebesar 77%, precision sebesar 0,78, recall sebesar 0,77, dan F1-score sebesar 0,77. Selain itu, hasil pengujian ROC menghasilkan nilai AUC sebesar 0,95. Hasil tersebut menunjukkan bahwa model MobileNetV2 yang telah melalui proses fine-tuning mampu melakukan klasifikasi terhadap tiga tipe kulit wajah dengan performa yang baik.