Produktivitas tanaman tomat (Solanum lycopersicum L.) seringkali mengalami penurunan signifikan akibat serangan penyakit daun yang lambat diidentifikasi. Metode identifikasi konvensional melalui pengamatan visual memiliki keterbatasan dalam hal subjektivitas pengamat dan efisiensi waktu, terutama pada lahan yang luas. Penelitian ini bertujuan untuk merancang dan membangun sistem deteksi penyakit daun tomat berbasis web yang mampu memberikan diagnosis secara cepat dan akurat. Sistem dikembangkan menggunakan algoritma Deep Learning terbaru, yaitu YOLOv12 (You Only Look Once version 12), yang diintegrasikan ke dalam antarmuka web modern menggunakan teknologi React.js pada sisi client dan FastAPI pada sisi server. Dataset yang digunakan meliputi 10 kelas kondisi daun, terdiri dari 9 jenis
penyakit dan 1 kondisi sehat, yang telah melalui proses augmentasi untuk menyeimbangkan distribusi data. Berdasarkan hasil pengujian pada data uji (testing
set), model YOLOv12 menunjukkan performa yang superior dengan nilai mean Average Precision (mAP@0.5) mencapai 97,67% dan F1-Score sebesar 98,22%. Pengujian fungsional menggunakan metode Black Box Testing mengonfirmasi bahwa seluruh fitur sistem berjalan valid, mulai dari autentikasi pengguna, penyimpanan citra di cloud, hingga visualisasi hasil diagnosis. Sistem ini diharapkan dapat menjadi solusi
teknologi tepat guna bagi petani dalam memitigasi risiko gagal panen melalui deteksi penyakit yang lebih dini dan presisi.