Acne vulgaris adalah gangguan kulit yang umum terjadi dan sangat memengaruhi remaja serta dewasa muda di seluruh dunia. Kondisi ini ditandai dengan berbagai jenis lesi, termasuk papula, pustula, dan nodul, yang masing-masing memerlukan pendekatan pengobatan khusus. Metode konvensional untuk menilai jerawat sering kali tidak konsisten, subjektif, dan memerlukan banyak tenaga, sehingga menyulitkan dokter kulit dalam memberikan diagnosis yang akurat dan tepat waktu. Penelitian ini memanfaatkan arsitektur deep learning You Only Look Once (YOLO) versi 8 (YOLOv8) untuk mengembangkan sistem otomatis dan objektif dalam mengkategorikan lesi jerawat serta mengevaluasi tingkat keparahannya. Model ini dikenal karena kecepatan dan akurasinya dalam mendeteksi objek. Citra wajah diproses melalui teknik resizing, normalisasi, dan augmentasi guna menjaga konsistensi data dan meningkatkan ketepatan deteksi. Lesi dikategorikan ke dalam tiga jenis utama: papula, pustula, dan nodul. Hasil penelitian menunjukkan bahwa model ini mencapai presisi 80%, recall 81%, dan F1-score 78%, yang mengindikasikan efektivitasnya dalam mendeteksi dan mengklasifikasikan lesi jerawat sekaligus meminimalkan keterlambatan diagnosis. Upaya ke depan sebaiknya difokuskan pada penyeimbangan dataset dengan mengintegrasikan kelas yang kurang terwakili, mengeksplorasi pelatihan berbobot kelas, serta menerapkan teknik augmentasi tingkat lanjut untuk meningkatkan kinerja model. Studi ini menegaskan potensi alat berbasis AI seperti YOLOv8 dalam meningkatkan praktik dermatologi, meningkatkan kualitas perawatan pasien, dan berkontribusi pada kemajuan kesehatan masyarakat.