<![CDATA[Tanaman obat dan tanaman beracun seringkali menunjukkan kemiripan morfologi pada daunnya, sehingga sulit dibedakan secara visual dan meningkatkan risiko penyalahgunaan. Tujuan penelitian ini adalah untuk mengembangkan sistem klasifikasi otomatis berbasis citra daun menggunakan metode Convolutional Neural Network (CNN) yang diimplementasikan pada Raspberry Pi untuk membedakan antara tanaman obat dan tanaman beracun. Metode yang diusulkan memanfaatkan model CNN yang dilatih pada arsitektur MobileNetV2 yang dimodifikasi dengan dataset yang terdiri dari 3.200 gambar daun dari 27 kelas, termasuk 15 tanaman obat, 11 tanaman beracun, dan 1 kelas non-daun. Sistem ini dirancang menggunakan framework Flask sebagai antarmuka web, database MySQL untuk penyimpanan data, dan diintegrasikan dengan kamera RaspiCam OV5647 untuk mendukung dua mode akuisisi gambar: unggah gambar dan pengambilan gambar secara real-time. Pengujian dilakukan menggunakan 135 gambar uji, dan hasilnya menunjukkan bahwa akurasi klasifikasi mencapai 96% untuk gambar yang diunggah dan 90% untuk pengambilan gambar secara langsung. Hasil klasifikasi ditampilkan secara real-time di situs web dan disimpan dalam database sebagai riwayat klasifikasi. Temuan ini menunjukkan bahwa CNN yang dimodifikasi dapat mengklasifikasikan tanaman obat dan tanaman beracun secara otomatis, cepat, dan akurat. Sistem yang dikembangkan berpotensi untuk diterapkan di lingkungan dunia nyata sebagai solusi berbasis web, sehingga mendukung klasifikasi tanaman yang efisien dan meningkatkan keselamatan publik dalam pemanfaatan tanaman.]]>
