Muhammad Kresna Mahardhika Pengarang Erna Dwi Astuti., M.Kom. Dosen Pembimbing 1 Nulngafan, M.Kom Dosen Pembimbing 2 Erna Dwi Astuti., M.Kom. Penguji 1 Nulngafan, M.Kom Penguji 2

Tanaman cabai (Capsicum sp.) merupakan salah satu komoditas penting diIndonesia, namun rentan terhadap berbagai penyakit yang menyebabkan penurunanhasil panen. Deteksi dini terhadap penyakit cabai masih dilakukan secara manual, yang memerlukan keahlian khusus dan waktu yang tidak efisien. Penelitian inibertujuan untuk mengembangkan model klasifikasi penyakit tanaman cabaimenggunakan metode Convolutional Neural Network (CNN) berbasisMobileNetV3, yang dapat diimplementasikan ke dalam aplikasi mobile Androidberbasis Edge-AI. Dataset terdiri dari 2,500 gambar daun dan buah cabai yangdibagi ke dalam beberapa kelas jenis penyakit seperti antraknosa, bercak daun, keriting daun, dan virus kuning serta satu kelas untuk tanaman sehat. Citra diprosesmelalui tahapan preprocessing data, kemudian dilatih menggunakan arsitekturMobileNetV3-Small. Hasil pelatihan model terhadap dataset menunjukkan nilaiaccuracy sebesar 0.9843 atau 98% dan validation accuracy sebesar 0.9720 atau97% serta nilai loss sebesar 0.0623 dan loss accuracy sebesar 0.1059. Kemudian, hasil pelatihan dievaluasi menggunakan daat uji dan mendapatkan nilai testaccuarcy sebesar 0.9600 atau 96% dan test loss sebesar 0.1195. Setelah itu, modelmasuk kedalam tahap deployment berupa aplikasi mobile berbasis Android denganpendekatan Edge-AI. Kata Kunci : Cabai, Convolutional Neural Network, MobileNetV3, KlasifikasiPenyakit Tanaman.