<![CDATA[Produktivitas tanaman kedelai (Glycine max L.) di Indonesia masih menghadapi berbagai kendala, salah satunya adalah serangan penyakit daun yang dapat menyebabkan penurunan hasil panen secara signifikan. Identifikasi penyakit yang masih dilakukan secara manual sering kali memerlukan waktu, bergantung pada pengalaman petani, dan berpotensi menghasilkan diagnosis yang kurang akurat. Penelitian ini bertujuan mengembangkan AgriVision AI, sebuah sistem deteksi dini penyakit tanaman kedelai berbasis smartphone yang memanfaatkan teknologi Deep Learning dengan algoritma Convolutional Neural Network (CNN). Metode penelitian menggunakan pendekatan Research and Development (R&D) yang meliputi tahap analisis kebutuhan, pengumpulan data, perancangan sistem, implementasi model, pengujian, dan evaluasi. Dataset yang digunakan terdiri atas citra daun kedelai sehat, karat daun, bercak daun, dan hawar daun yang diperoleh dari sumber publik dan citra lapangan. Hasil penelitian menunjukkan bahwa model CNN mampu melakukan klasifikasi penyakit dengan tingkat kinerja yang sangat baik, ditunjukkan oleh nilai accuracy sebesar 94,8%, precision 93,6%, recall 94,1%, dan F1-score 93,8%. Analisis confusion matrix memperlihatkan bahwa sebagian besar citra berhasil diklasifikasikan dengan benar pada setiap kelas dengan tingkat kesalahan yang relatif rendah. Integrasi model ke dalam aplikasi smartphone memungkinkan proses identifikasi penyakit dilakukan secara cepat, praktis, dan real-time. Sistem ini juga menyediakan informasi gejala serta rekomendasi pengendalian penyakit sehingga dapat membantu petani dalam pengambilan keputusan. Dengan demikian, AgriVision AI berpotensi mendukung penerapan smart farming dan meningkatkan efektivitas pengelolaan kesehatan tanaman kedelai. ]]>
