<![CDATA[Penyakit pada tanaman pepaya seperti Anthracnose, Bacterial Spot, Curl, dan Ring Spot dapat menurunkan produktivitas dan kualitas hasil panen secara signifikan. Keterbatasan metode konvensional yang mengandalkan pengamatan visual secara manual menyebabkan proses identifikasi penyakit menjadi tidak konsisten, memakan waktu lama, dan sulit diterapkan pada skala lahan pertanian yang luas. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis Convolutional Neural Network (CNN) guna mengklasifikasikan lima kategori kondisi daun pepaya secara akurat. Metodologi yang digunakan meliputi pemanfaatan dataset BDPapayaLeaf yang berisi 2.159 citra asli, yang kemudian diekspansi menjadi 6.477 citra menggunakan teknik augmentasi data. Model dilatih menggunakan pembagian data 70:15:15 (latih, validasi, uji) dengan memanfaatkan metode transfer learning, optimizer Adam, dan mekanisme early stopping. Hasil pengujian menunjukkan bahwa model PapayaLeafCNN yang diusulkan berhasil mencapai akurasi keseluruhan sebesar 84,66% dan weighted average F1-score sebesar 84,82% pada data uji. Analisis per kelas menunjukkan performa tertinggi pada kelas daun sehat (Healthy) dengan F1-score 94,29%, sementara kelas Bacterial Spot mencatatkan performa terendah (76,54%) akibat tingginya tingkat kesalahan prediksi yang tumpang tindih dengan kelas Curl. Secara keseluruhan, model CNN yang diusulkan mampu melakukan klasifikasi multi-penyakit daun pepaya dengan baik, meski ke depannya tetap diperlukan strategi khusus untuk mengklasifikasikan penyakit dengan kemiripan visual yang tinggi. ]]>
