Penelitian ini bertujuan untuk membuat sistem pendeteksi penyakit pada daun tomat secara otomatis menggunakan metode machine learning YOLOv5 yang dijalankan di perangkat Raspberry Pi secara real-time dan terhubung ke aplikasi Telegram untuk mengirimkan hasil deteksi langsung kepada pengguna. Penelitian ini bermanfaat untuk membantu petani mengenali penyakit tanaman dengan cepat dan praktis, serta mendukung pendidikan dan pengembangan teknologi pertanian berbasis IoT dan kecerdasan buatan. Metode yang digunakan meliputi pengumpulan dataset gambar daun tomat dari sumber terbuka, pengolahan data melalui proses resize, augmentasi, dan normalisasi, kemudian pelatihan model di Google Colab dengan pembagian data menjadi latih, validasi, dan uji. Hasil penelitian menunjukkan bahwa model mampu mengenali daun sehat maupun yang terinfeksi penyakit seperti Early Blight, Late Blight, dan Leaf Mold dengan tingkat keberhasilan sekitar 55%, yang menandakan sistem telah berfungsi dengan baik meskipun akurasinya belum maksimal karena kinerja deteksi real-time masih dipengaruhi oleh keterbatasan kualitas kamera yang digunakan.