Penelitian ini mengembangkan aplikasi Android untuk deteksi penyakit tanaman kakao secara real-time menggunakan YOLOv8. Dataset berjumlah 1.416 citra yang mencakup 8 kelas penyakit (antraknose, busuk buah, cherelle wilt, hawar benang, jamur upas, kanker batang, penyakit akar, dan VSD), dengan pembagian latih 70%, validasi 20%, dan uji 10%. Model diuji pada tiga skenario pelatihan (50, 80, dan 100 epoch). Model terbaik diperoleh pada 100 epoch dengan precision 84,05%, recall 67,66%, dan mAP@0.5 72,78%. Uji perangkat pada tiga ponsel dengan resolusi kamera 50 MP, 58 MP, dan 64 MP menunjukkan bahwa akurasi meningkat seiring resolusi: 86,25%, 87,5%, hingga 92,5% (tertinggi pada 64 MP).
Uji pencahayaan (900 lux terang vs 30 lux gelap) memperlihatkan penurunan deteksi yang nyata pada kondisi gelap di seluruh kelas—misalnya busuk buah dari 89% (terang) menjadi 76% (gelap) dan hawar benang dari 58% menjadi 30%—sehingga penggunaan aplikasi dianjurkan pada pencahayaan memadai.
Secara keseluruhan, aplikasi mampu mendeteksi penyakit kakao secara cepat dan praktis di lapangan, dengan kinerja terbaik pada kamera beresolusi tinggi dan kondisi cahaya terang. Temuan ini berpotensi mendukung pengambilan keputusan budidaya dan pengendalian penyakit secara dini.