Singkong adalah salah satu jenis tanaman ubi kayu yang mudah ditemui di Indonesia dan menjadi salah satu makanan pokok masyarakat Indonesia. Berdasarkan data dari BPS, produksi singkong menurun dari tahun 2014 hingga 2018. Menurunnya produksi singkong dapat disebabkan oleh banyak hal, salah satunya adalah hama dan penyakit yang menyerang tanaman singkong. Untuk mempermudah dalam proses pengecekan gejala penyakit tanaman singkong dapat menggunakan teknologi yang sedang berkembang yakni machine learning. Penelitian ini dilakukan dengan tujuan untuk dapat membuat sistem berbasis machine learning yang dapat mengklasifikasikan penyakit singkong.
Pada tugas akhir ini, penulis menggunakan metode deep learning yang merupakan salah satu bagian dari machine learning. Metode deep learning yang digunakan adalah convolutional neural network (CNN). Tugas akhir ini menggunakan arsitektur VGGNet yang dievaluasi dengan parameter akurasi, presisi, recall, dan F1-score. Dataset yang digunakan dalam pelatihan model berupa citra dengan jumlah 9430 citra RGB yang terbagi kedalam 5 kelas (CMD, CBSD, CGM, CBB, dan Healthy). Dataset tersebut dipisahkan menjadi 7545 citra latih dan 1885 citra uji.
Melalui pengujian dari beberapa skenario yang dilakukan pada tugas akhir ini, model CNN mendapatkan konfigurasi terbaik yaitu batch size 32, optimizer SGD, dan learning rate 10-3. Konfigurasi tersebut memiliki akurasi training sebesar 82,53% dengan akurasi validation sebesar 75%.