<![CDATA[Proses diagnosa penyakit pada tanaman daun jeruk umunya dilakukan melalui pemeriksaan laboratorium oleh seorang ahli patologi tumbuhan dengan melihat gejala visual yang timbul pada tanaman untuk membantu petani daun jeruk dalam memberikan pola penanganan yang tepat berdasarkan gejala yang nampak pada kondisi daun jeruk. Klasifikasi penyakit daun jeruk menggunakan metode pengolahan citra mampu memberikan referensi diagnosis yang cepat dan akurat. Penelitian ini mengusulkan pendekatan deep learning menggunakan arsitektur MobineNet CNN untuk melakukan klasifikasi. Metode pada penelitian ini dievaluasi pada citra penyakit daun jeruk dalam tiga kategori yaitu normal, HLB dan CTV dengan ukuran citra 150x150. Pengujian dilakukan dengan menggunakan algortima RMSprof optimize dengan learning rate 0.001. Proses pelatihan  menggunakan arsitektur Binary Cross Entropy fungsi aktivasi sigmoid. Hasi klasifikasi penyakit pada citra daun jeruk pada proses training mencapai tingkat akurasi 98% pada epoch 15.]]>
