Dermatitis merupakan penyakit peradangan kulit yang ditandai dengan gejala seperti kemerahan dan rasa gatal, sehingga memerlukan identifikasi dini untuk mencegah perkembangan kondisi yang lebih serius. Penelitian ini bertujuan untuk membandingkan performa model You Only Look Once (YOLO) pada beberapa variasi ukuran citra berdasarkan metrik evaluasi yang digunakan, mengevaluasi kemampuan YOLO dalam mendeteksi jenis-jenis dermatitis menggunakan metrik precision, recall, dan mean Average Precision (mAP), serta menentukan jumlah epoch yang paling optimal untuk meningkatkan performa model. Dataset yang digunakan terdiri atas 440 citra kulit pasien yang diperoleh dari RSUP Dr. Rivai Abdullah, yang selanjutnya melalui proses augmentasi sehingga menghasilkan 1.320 citra. Dataset dibagi menjadi data latih sebanyak 924 citra, data validasi sebanyak 264 citra dan data uji sebanyak 132 citra. Model YOLOv11 dilatih untuk mendeteksi empat jenis dermatitis, yaitu dermatitis kontak, dermatitis atopi, dermatitis statis, dan neurodermatitis sirkumskripta. Hasil training menunjukkan bahwa variasi ukuran citra dan jumlah epoch memengaruhi performa model. Pengujian dilakukan dengan konfigurasi terbaik pada ukuran citra 640 × 640 piksel dengan 150 epoch sehingga menghasilkan nilai precision sebesar 0,693 dan recall sebesar 0,674. Hasil tersebut menunjukkan bahwa YOLO berpotensi digunakan sebagai sistem pendukung identifikasi dini penyakit dermatitis secara cepat dan efisien.