Rizqi Arya Muzaky Pengarang Hidayatus Sibyan, M.Kom Dosen Pembimbing 1 Dimas Prasetyo Utomo, M.Kom Dosen Pembimbing 2 Erna Dwi Astuti., M.Kom. Penguji 1 Hidayatus Sibyan, M.Kom Ketua Penguji Muslim Hidayat, M.Kom Penguji 2

Jagung menjadi salah satu bahan bahan makanan utama di Indonesia dengankedudukan yang sama penting setelah beras sebagai sumber utama karbohidrat danprotein. Tanaman jagung juga rentan terhadap serangan hama dan penyakit yangdapat menyebabkan pertumbuhan dan produktivitas tanaman jagung menjaditerganggu, seperti hawar daun, bercak daun, bulai dan karat daun. Penelitian inibertujuan untuk mengimplementasikan algoritma Convolutional Neural Network(CNN) dengan memanfaatkan arsitektur MobileNet dalam klasifikasi penyakittanaman jagung. Dengan meningkatnya kebutuhan akan sistem yang dapatmengidentifikasi dan mengklasifikasikan penyakit tanaman secara otomatis danakurat, metode CNN dipilih karena kemampuannya yang tinggi dalam mengenalipola visual pada gambar. Hasil penelitian menunjukkan bahwa model yangdikembangkan mampu mencapai akurasi sebesar 92%, dengan nilai presisi 89%,nilai recall 87%, dan nilai f1-score 88%. Berdasarkan hasil tersebut, dapatdisimpulkan bahwa model CNN dengan arsitektur MobileNet memberikanperforma yang baik dalam klasifikasi penyakit tanaman jagung. Selain itu,penerapan model ini ke dalam sebuah aplikasi berbasis website juga berjalandengan baik, menunjukkan potensi yang besar untuk digunakan secara praktis olehpetani dan ahli dalam mendeteksi penyakit tanaman jagung secara efektif. Kata Kunci : Jagung, Convolutional Neural Network, klasifikasi, MobileNet.