Faringitis, atau radang tenggorokan, adalah kondisi umum yang disebabkan oleh infeksi virus atau bakteri. Endoskopi konvensional, meskipun efektif untuk diagnosis, memiliki keterbatasan dalam hal portabilitas dan aksesibilitas. Penelitian ini mengusulkan sistem klasifikasi data citra rekonstruksi endoskopi portabel menggunakan algoritma Convolutional Neural Network (CNN) untuk aplikasi Healthcare IoT. Sistem ini dirancang untuk mengatasi tantangan tersebut dengan memanfaatkan endoskopi portabel yang ringkas dan algoritma CNN yang efisien. Penelitian ini berfokus pada pengembangan model CNN untuk mengklasifikasikan data citra rekonstruksi endoskopi portabel dan mendeteksi keberadaan faringitis. Model ini akan dilatih menggunakan dataset gambar tenggorokan yang beragam dan dievaluasi berdasarkan akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model VGG-16 dengan augmentasi data berhasil mencapai akurasi tertinggi sebesar 99%, sedangkan model ResNet50 dengan kombinasi augmentasi dan tuning hyperparameter menunjukkan performa lebih stabil terhadap pengujian citra nyata. Sistem yang dikembangkan terbukti efektif dalam meningkatkan akurasi dan efisiensi diagnosis faringitis, serta berpotensi untuk diintegrasikan ke dalam platform Healthcare IoT untuk mendukung layanan diagnosis jarak jauh.
Kata Kunci: Faringitis, Endoskopi Portabel, Convolutional Neural Network, Healthcare IoT.