<![CDATA[Tanaman kopi merupakan salah satukomoditas unggulan di Indonesia yang berkontribusibesar terhadap perekonomian nasional, baik melaluiekspor maupun konsumsi domestik. Namun,produktivitas kopi sering terancam oleh penyakit daun,seperti karat daun (Hemileia vastatrix), bercak daun(Phoma Costaricensis), dan penggerek daun (LeucopteraCoffeella), yang dapat menyebabkan penurunan kualitasdan hasil panen secara signifikan. Identifikasi penyakitdaun secara manual oleh petani atau ahli pertanianseringkali memerlukan waktu dan keahlian yang khusus,sehingga rentan terhadap kesalahan. Penelitian inibertujuan untuk mengembangkan sistem klasifikasiotomatis penyakit daun pada tanaman kopimenggunakan Convolutional Neural Network (CNN)dengan arsitektur MobileNet. Arsitektur MobileNetdipilih karena efisiensinya dalam menangani data dengansumber daya komputasi terbatas, seperti perangkatseluler. Proses klasifikasi dimulai dengan pengumpulandata dari dataset Kaggle, yang mencakup gambar daunsehat dan yang terinfeksi penyakit. Data ini melalui tahappreprocessing, meliputi penyesuaian ukuran citramenjadi 224x224 piksel. Model dilatih menggunakanparameter utama seperti optimizer, learning rate, batchsize, dan epoch, untuk menghasilkan klasifikasi yangoptimal. Penelitian dilakukan dengan menggunakan 1664dataset, dengan pembagian 400 data daun sehat, 460 datakarat daun, 484 data bercak daun dan 320 datapenggerek daun. Dataset yang digunakan untukpengujian yaitu sebesar 333 data. Melalui serangkaianpengujian dengan empat skenario yang berbeda,diperoleh konfigurasi optimal model dengan hasil terbaikyaitu Akurasi 99.549%, Loss 0.058, Presisi 95%, Recall95%, F1-score 95%. Dengan parameter terbaik adalahoptimizer RMSprop, learning rate 0.0001, epoch 125 danbatch size 16.Kata kunci: Daun Kopi, Convolutional Neural Network(CNN), MobileNet, Penyakit Daun, Citra Daun Tanaman Kopi.]]>
