Penelitian ini bertujuan membandingkan kinerja MobileNetV2 dan EfficientNetB0 dalam klasifikasi penyakit kulit menggunakan pendekatan transfer learning. Dataset yang digunakan terdiri dari 23 kelas penyakit kulit. Kedua model dievaluasi berdasarkan accuracy, precision, recall, F1-score, dan efisiensi komputasi. Hasil penelitian menunjukkan bahwa EfficientNetB0 memperoleh accuracy sebesar 71,30%, sedangkan MobileNetV2 sebesar 70,00%. Berdasarkan 23 kelas, EfficientNetB0 unggul pada precision di 12 kelas, recall di 12 kelas, dan F1-score di 12 kelas, sedangkan MobileNetV2 unggul masing-masing pada precision 10 kelas, recall 10 kelas, dan f1-score 11 kelas. Nilai tertinggi precision EfficientNetB0 mencapai 94,12% pada 1 kelas, recall 95,00% pada 2 kelas, dan F1-score 86,49% pada 1 kelas. Sementara itu, MobileNetV2 memperoleh precision tertinggi 94,12% pada 1 kelas, recall 85,00% pada 3 kelas, dan F1-score 87,18% pada 1 kelas. Dari sisi efisiensi, MobileNetV2 memiliki 2.597.975 parameter dan ukuran model 25,8 MB, sedangkan EfficientNetB0 memiliki 4.389.562 parameter dan ukuran 40,4 MB. EfficientNetB0 juga memiliki waktu inference lebih cepat, yaitu 98,78 ms/gambar dibandingkan 118,70 ms/gambar pada MobileNetV2. Berdasarkan hasil tersebut, EfficientNetB0 ditetapkan sebagai model terbaik.