Penelitian ini menyajikan perancangan dan pengembangan HerbaClass, sebuah aplikasi mobile yang memanfaatkan metode Convolutional Neural Networks (CNN) dengan arsitektur DenseNet121 untuk mengklasifikasikan tanaman liar sebagai tanaman obat. Aplikasi ini ditujukan untuk mendukung layanan kesehatan di daerah terpencil di Indonesia. Dengan memanfaatkan kekayaan biodiversitas Indonesia, HerbaClass hadir sebagai solusi atas tantangan dalam identifikasi tanaman secara manual, seperti kemiripan visual antar spesies, kurangnya panduan pengolahan, dan kesulitan dalam menemukan lokasi tanaman secara real-time. HerbaClass memungkinkan pengguna untuk mengambil atau mengunggah gambar daun, kemudian memberikan hasil klasifikasi yang akurat, petunjuk pengolahan langkah demi langkah, serta deteksi lokasi tanaman berbasis geolokasi. Model DenseNet121 yang dilatih menggunakan dataset sebanyak 1.370 gambar daun dari enam spesies tanaman obat berhasil mencapai akurasi klasifikasi sebesar 95%. Uji kegunaan dan survei yang dilakukan terhadap 51 responden, termasuk apoteker dan masyarakat umum, menunjukkan efektivitas HerbaClass, dengan 64,7% responden menghargai potensi pengumpulan data berbasis komunitas yang dimiliki aplikasi ini. Dukungan multibahasa (Bahasa Indonesia, Melayu, dan Inggris) serta kemampuan akses secara offline semakin meningkatkan keterjangkauan aplikasi ini di wilayah dengan konektivitas rendah, menjadikannya alat praktis untuk menunjang pengobatan alternatif.