L Latar Belakang: Kecerdasan buatan merupakan teknologi perangkat lunak yangdapat meniru kecerdasan manusia dengan mengumpulkan data-data, kemampuanbernalar, dan mengubahnya menjadi suatu tindakan yang cerdas. Konsep utamakecerdasan buatan terdiri dari machine learning dan deep learning. Deep learningmerupakan bagian dari kecerdasan buatan yang memiliki algoritma berupaConvolutional Neural Network (CNN) dengan kemampuan untuk memproses danmempelajari berbagai aspek gambar. Tujuan: Untuk membahas dan menyajikanberbagai data yang diperoleh dari berbagai jurnal mengenai tingkat akurasipenerapan algoritma kecerdasan buatan (CNN) dengan menggunakan radiografisefalometri pada bidang ortodonti. Metode: Penelitian ini dilakukan denganmenggunakan metode observasional deksriptif melalui scoping review denganpengambilan data menggunakan database PubMed dan Google Scholar. Metodetelusur pustaka yang digunakan yaitu PCC (population concept context) dan sesuaidengan pedoman PRISMA. Hasil: Diperoleh 8 jurnal yang sesuai dengan kriteriainklusi dan dimasukkan ke dalam tabel ekstraksi. Masing-masing jurnal membahasmengenai tingkat akurasi penerapan kecerdasan buatan dengan menggunakanalgoritma Convolutional Neural Network (CNN) dan sampel penelitian beruparadiografi sefalometri pada bidang ortodonti. Kesimpulan: Penerapan kecerdasanbuatan dengan menggunakan algoritma CNN memiliki akurasi yang cukup tinggihingga mencapai lebih dari 90% dalam mendeteksi titik baku sefalometri,penentuan tahap maturasi vertebra servikal, dan memprediksi kebutuhan bedahortognatik, sehingga memiliki berbagai manfaat yaitu, dapat membantu kinerjaoperator, meminimalkan waktu analisis, meningkatkan keakuratan dalammendiagnostik.