Penyebab penurunan kualitas hasil panen pada cabai rawit adalah penyakit yang terjadi pada bagian daun tanaman, Masyarakat umum yang menanam cabai rawit sering kali mengenali penyakit hanya berdasarkan pengalaman, tanpa memahami cara pengendalian secara mekanik,sehingga berisiko terjadi kesalahan diagnosis dan penanganan, oleh diperlukan sistem yang mampu mendeteksi penyakit secara cepat dan
akurat. Penelitian ini mengembangkan sistem klasifikasi penyakit daun cabai rawit dengan metode Convolutional Neural Network (CNN) berbasis mobile. Model dilatih menggunakan dataset citra daun cabai rawit yang mengandung 4 jenis penyakit dan 1 daun sehat serta diuji untuk mengukur akurasi dan performanya. Hasil pengujian menunjukkan bahwa model VGG-16 mampu mencapai rata-rata akurasi sebesar 99%, dengan akurasi tertinggi sebesar 99,78% pada epoch ke-13 sedangkan
model CNN mampu mencapai rata-rata akurasi sebesar 92%, dengan akurasi tertinggi sebesar 93,11% pada epoch ke-20. Sistem ini juga telah berhasil diintegrasikan ke dalam aplikasi mobile yang dikembangkan menggunakan framework React Native, sehingga memudahkan pengguna dalam mengidentifikasi penyakit tanaman secara praktis. Selain itu, hasil pengujian black box dengan 10 kasus uji menunjukkan bahwa semua fungsi dalam aplikasi berjalan sesuai dengan yang diharapkan tanpa adanya kesalahan yang menggangu. Pengujian usability juga dilakukan dengan melibatkan 30 pengguna dengan hasil persentase pengujian
usability adalah 85,58%, yang menunjukkan bahwa aplikasi ini mudah digunakan dan memiliki antarmuka yang mudah dimengerti.
Kata kunci: Cabai Rawit, Convolutional Neural Network (CNN), VGG
16, Classification, React Native