Karies menjadi salah satu permasalahan kesehatan gigi dan mulut yang memiliki prevalensi tinggi di Indonesia yaitu sebesar 88,8%. Penyebab terjadinya karies yaitu aktivitas bakteri yang dapat menyebabkan terjadinya demineralisasi pada permukaan gigi. Dari beberapa jenis karies gigi, karies interproximal adalah tipe yang paling sulit dideteksi karena tingkat perkembangannya yang cepat dan sulit dalam mendeteksi keberadaan lesi yang terjadi di permukaan halus antara batas gigi. Oleh karena itu, pada penelitian ini akan dibuat sistem yang dapat mengklasifikasikan karies jenis interproximal berdasarkan citra radiografi periapikal. Klasifikasi ini didasarkan pada klasifikasi menurut G. V. Black yaitu berdasarkan posisi terjadinya karies pada gigi. Citra radiografi periapikal digunakan sebagai input sistem yang nantinya akan dilakukan klasifikasi dengan menggunakan metode Convolutional Neural Network (CNN). Output dari sistem ini berupa klasifikasi kombinasi dari jenis gigi dan jenis karies interproximal yang terjadi pada bagian anterior dan posterior gigi. Kombinasi dari jenis gigi dan jenis karies interproximal tersebut terbagi menjadi enam klasifikasi yaitu Molar Kelas II, Premolar Kelas II, Caninus Kelas III, Insisiv Kelas III Caninus Kelas IV, dan Insisiv Kelas IV. Hasil penelitian menunjukkan performa keakurasian klasifikasi sebesar 85% terhadap 60 data pengujian.