<![CDATA[Abstract— Tujuan dari penelitian ini adalah mengidentifikasi penyakit pada daun tembakaumenggunakan pemrosesan gambar berbasis Convolutional Neural Network (CNN) dan metode TransferLearning. Daun tembakau memiliki nilai komersial yang tinggi karena merupakan bahan baku rokok.Daun tembakau dengan kualitas unggul bisa mencapai harga yang sangat mahal dibandingkankomoditas lainnya, sehingga pemeliharaan daun tembakau sangat penting. Seperti tanaman lainnya,daun tembakau juga rentan terhadap penyakit seperti busuk daun dan mosaic tembakau. Namun,petani sering kali kesulitan mendeteksi penyakit ini secara akurat hanya berdasarkan gejala yangterlihat. Kesalahan dalam mengenali gejala dapat mengarah pada kesimpulan yang salah danpenanganan yang tidak tepat. Untuk mempermudah proses ini, deteksi penyakit pada daun tembakaudapat dilakukan melalui citra daun dengan menggunakan metode Convolutional Neural Network(CNN). Dalam penelitian ini, metode Transfer Learning dengan model CNN Pre-Trained MobileNetdigunakan untuk mengklasifikasikan tiga jenis daun tembakau. Evaluasi dilakukan pada model akhirsetelah 20 epoch, dengan ukuran batch 10 dan ukuran data uji 103 gambar. Hasil penelitianmenunjukkan nilai precision sebesar 73%, recall 69%, dan f1-score 68%. Akurasi berdasarkan datauji tercatat sebesar 69%. Saran untuk penelitian selanjutnya adalah memperkaya dataset dengan lebihbanyak gambar daun tembakau dari berbagai kondisi pencahayaan, sudut pandang, dan berbagaitingkat keparahan penyakit dan membandingkan dengan model CNN lainnya seperti ResNet,Inception, atau EfficientNet, untuk mengetahui model mana yang memberikan hasil terbaik dalamidentifikasi penyakit daun tembakau. Kata Kunci : CNN, Daun Tembakau, Pengolahan citra, Transfer learning]]>
