<![CDATA[Kelapa sawit merupakan salah satu komoditasperkebunan yang memiliki peran strategis dalam pembangunanekonomi Indonesia. Sebagai tulang punggung ekonomi bagijutaan penduduk, perkembangan sektor ini menekankanpemenuhan persyaratan guna menjamin hasil produksi yangberkualitas. Tantangan utama yang dihadapi petani adalahpenyakit pada tanaman kelapa sawit yang disebabkan olehhama dan kekurangan unsur hara, yang dapat menghambatpertumbuhan dan mengurangi hasil panen. Kurangnyapengetahuan petani mengenai jenis penyakit daun kelapa sawitsering kali mengakibatkan kesalahan dalam penanganannya.Penelitian ini berfokus pada klasifikasi penyakit daun kelapasawit menggunakan pengolahan citra berbasis kecerdasanbuatan (Artificial Intelligence), dengan tujuan membantupetani dalam mengidentifikasi daun sehat dan berpenyakitsecara akurat. Metode Convolutional Neural Network (CNN)digunakan untuk mengenali pola dan fitur kompleks pada citradaun kelapa sawit. Hasil menunjukkan bahwa akurasipelatihan meningkat cepat hingga hampir 1 pada epoch 1–20,dengan loss turun signifikan. Namun, akurasi validasi stabil disekitar 0,95, menandakan adanya overfitting. Epoch terbaiktercatat pada epoch 20 dengan akurasi pelatihan 1 dan loss0,001, sementara akurasi validasi tertinggi terjadi pada epoch80 sebesar 0,975. Berdasarkan confusion matrix, model berhasilmengklasifikasikan daun berpenyakit sebanyak 66 kali dandaun sehat sebanyak 80 kali, dengan 14 kesalahan false positivedan tanpa false negative. Akurasi model mencapai 91,25%,dengan presisi 82,5% dan recall 100%, menunjukkan performayang baik dalam mengidentifikasi daun sehat dan berpenyakit.Harapannya, penelitian ini dapat menjadi solusi praktis bagipetani dalam mendeteksi penyakit daun kelapa sawit secaracepat dan akurat, meminimalkan kesalahan, dan meningkatkanhasil pertanian secara keseluruhan.Kata kunci— AI, CNN, Daun Sawit, Klasifikasi]]>
