Permasalahan utama dalam budidaya tanaman cabai di Indonesia adalah seringnya terjadi gagal panen akibat serangan penyakit pada daun yang disebabkan oleh berbagai patogen seperti virus, bakteri, dan jamur. Penelitian ini bertujuan untuk mengembangkan model komputasi yang mampu mendeteksi penyakit daun pada tanaman cabai secara akurat dan dini. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN), yang diterapkan pada citra daun cabai untuk melakukan identifikasi penyakit. Proses penelitian mencakup pengumpulan dataset, praproses data, ekstraksi fitur visual, dan seleksi fitur yang relevan untuk klasifikasi. Hasil penelitian menunjukkan bahwa model CNN yang dibangun berhasil mengidentifikasi penyakit daun cabai dengan tingkat akurasi yang tinggi. Manfaat dari penelitian ini adalah memberikan alat yang efektif bagi para petani untuk mendeteksi penyakit pada tanaman cabai lebih awal, sehingga dapat meningkatkan produktivitas pertanian, mengurangi risiko kerusakan tanaman akibat penyakit, dan mengoptimalkan penggunaan sumber daya dalam budidaya tanaman cabai. Dengan demikian, penelitian ini berkontribusi pada peningkatan keberlanjutan pertanian dan kesejahteraan petani di Indonesia.

The main problem in the cultivation of chili plants in Indonesia is the frequent crop failure due to leaf diseases caused by various pathogens such as viruses, bacteria, and fungi. This research aims to develop a computational model that is able to detect leaf diseases in chili plants accurately and early. The method used in this research is Convolutional Neural Network (CNN), which is applied to the image of chili leaves to identify the disease. The research process includes dataset collection, data preprocessing, visual feature extraction, and selection of relevant features for classification. The results showed that the CNN model built successfully identified chili leaf diseases with a high level of accuracy. The benefit of this research is that it provides an effective tool for farmers to detect diseases in chili plants early, so as to increase agricultural productivity, reduce the risk of crop damage due to disease, and optimize the use of resources in the cultivation of chili plants. Thus, this research contributes to the improvement of agricultural sustainability and farmers' welfare in Indonesia.