Widya Sarahyanti Pengarang Erna Dwi Astuti., M.Kom. Dosen Pembimbing 1 M. Fuat Asnawi, S.Kom., M.M. Dosen Pembimbing 2 Erna Dwi Astuti., M.Kom. Penguji 1 M.Fuat Asnawi, S.Kom., M.m. Penguji 2

Buncis (Phaseolus vulgaris L.) merupakan komoditas hortikultura penting diIndonesia, namun produktivitasnya kerap menurun akibat penyakit seperti thrips, hawardaun, dan karat daun. Petani sering salah mengklasifikasi penyakit berdasarkanpengamatan visual, karena gejala antar penyakit kerap memiliki kemiripan. Penelitian inimengembangkan sistem klasifikasi otomatis berbasis Convolutional Neural Network (CNN) dengan menggunakan arsitektur GoogleNet versi ketiga, yaitu InceptionV3, yang telah disempurnakan dari versi sebelumnya untuk meningkatkan efisiensikomputasi dan akurasi klasifikasi. Dataset citra daun diperoleh dari lapangan dan dibagike dalam empat kelas: daun sehat, thrips, hawar daun, dan karat daun. Model dilatihmenggunakan teknik augmentasi, regularisasi dropout, dan optimizer Stochastic GradientDescent (SGD), lalu diintegrasikan ke dalam aplikasi web. Evaluasi terhadap 100 data ujimenunjukkan akurasi sebesar 91%. Kelas hawar daun mencapai precision 93,3%, recall100%, dan F1-score 96,5%; karat daun memperoleh precision 100%, recall 92,9%, danF1-score 96,3%; sementara kelas daun sehat dan thrips mencatat precision, recall, dan F1scoresempurna sebesar 100%. Hasil ini menunjukkan bahwa sistem klasifikasi yangdikembangkan efektif sebagai alat bantu pengambilan keputusan (decision support system) bagi petani dalam mengklasifikasi penyakit daun buncis secara cepat dan akurat. Kata Kunci: Convolutional Neural Network, InceptionV3, penyakit tanamanbuncis, klasifikasi citra, decision support system.