Pertanian merupakan sektor penting yang mendukung ketahanan pangan dan
perekonomian nasional. Namun, produktivitas tanaman buah sering kali menurun akibat serangan
penyakit pada daun. Deteksi dini penyakit tanaman buah oleh petani masih dilakukan secara
manual. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit daun tanaman
buah berbasis Convolutional Neural Network (CNN) dengan aritektur YOLOv8-nano, yang
diimplementasikan pada perangkat Android tanpa koneksi internet.
Penelitian ini diawali dengan pengumpulan dataset dari sumber publik dan hasil
pengambilan gambar langsung, mencakup 10 kelas daun sehat dan terinfeksi. Dataset diproses
melalui tahap preprocessing, augmentasi, dan labeling. Model YOLOv8n dilatih selama 100
epoch dengan pembagian dataset 60% train, 20% val, 20% test. Model hasil deteksi hasil
pelatihan dikonversi menjadi TensorFlowLite dan diimplementasikan ke dalam aplikasi Android
dengan fitur deteksi real-time melalui kamera maupun galeri.
Berdasarkan hasil pengujian terhadap sistem ini mencapai tingkat akurasi 84%, yang menunjukkan kemampuan model cukup baik. Selain itu, penelitian ini berhasil membangun
dataset yang terstuktur serta mengembangkan model deteksi penyakit daun berbasis YOLOv8-nano. Data evaluasi metrik menunjukkan hasil yang baik dengan nilai precision sebesar 99.50%, recall 99.70%, mAP50 99.54%, dan mAP50-95 sebesar 79,70%. Dengan demikian, model YOLOv8n mengalami penurunan akurasi jika kondisi pencahayaan dan buram.