Penyakit tanaman menjadi masalah karena dapat menyebabkan penurunan kualitas dan kuantitas produk pertanian serta peningkatan biaya total kerusakan. Penyakit tanaman bisa diketahui dari kondisi daun pada tanaman. Pada zaman modern ini telah terdapat penelitian yang dapat mengklasifikasi penyakit dengan menggunakan citra daun tanaman. Metode tersebut yaitu dengan menggunakan Convolutional Neural Network (CNN).
Pada Tugas Akhir ini mengusulkan InceptionV3 sebagai arsitektur CNN. InceptionV3 adalah arsitektur CNN yang dikemukakan oleh Google yang bisa melatih data sampai 1000 kelas dan lebih dari 1.4 juta citra. Dataset yang digunakan pada penelitian ini bersumber dari kaggle.com dan PlantVilagge. Dataset berisi 10800 citra daun dengan format .jpeg.
Pengklasifikasi pada citra dibagi menjadi 9 kelas yaitu 2 kelas pada paprika, 3 kelas pada kentang, dan 4 kelas pada tomat. Parameter yang digunakan adalah akurasi, sensitivitas, presisi, dan f1score. Hasil pengujian terbaik didapatkan menggunakan optimizer SGD, learning rate 0.001, batch size 32, epoch 100 memperoleh tingkat akurasi 91% dan loss 0.2568, presisi 91%, sensitivitas(recall) 91%, dan F1score 91%.
Kata Kunci: Penyakit tanaman, InceptionV3, CNN.