Tanaman sukulen Echeveria memiliki kemiripan visual yang tinggi, sehingga pelanggan Rumah Cactus sering kesulitan mengenali jenis tanaman yang dibeli. Kesalahan identifikasi dapat menyebabkan pemilihan pola perawatan yang tidak sesuai dan berisiko menurunkan kualitas tanaman. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi deteksi tanaman sukulen berbasis Android menggunakan algoritma Convolutional Neural Network dengan arsitektur MobileNetV2. Metode pengembangan sistem yang digunakan adalah prototype, karena memungkinkan proses perancangan, evaluasi, dan perbaikan sistem dilakukan secara bertahap sesuai kebutuhan pengguna. Dataset yang digunakan berupa 1740 citra tanaman sukulen yang terdiri dari tiga kelas, yaitu Echeveria Agavoides, Echeveria Lola, dan Echeveria Tippy. Dataset dibagi menjadi 70% data latih, 20% data validasi, dan 10% data uji. Model MobileNetV2 digunakan sebagai feature extractor untuk mengenali pola visual tanaman, kemudian hasil model diintegrasikan ke dalam aplikasi Android. Hasil pengujian menunjukkan bahwa model memperoleh akurasi sebesar 87,36%dengan 152 prediksi benar dari 174 data uji. Dengan demikian, aplikasi yang dikembangkan mampu membantu proses identifikasi tanaman sukulen secara cepat, akurat, dan praktis melalui perangkat Android.

Echeveria succulents have highly similar visual characteristics, which makes it difficult for Rumah Cactus customers to identify the type of plant they purchase. Incorrect identification may lead to improper care and reduce plant quality. This study aims to design and implement an Android-based succulent detection application using the Convolutional Neural Network algorithm with the MobileNetV2 architecture. The system was developed using the prototype method, which allows the design, evaluation, and improvement process to be carried out gradually based on user needs. The dataset consisted of 1740 succulent images from three classes: Echeveria Agavoides, Echeveria Lola, and Echeveria Tippy. The dataset was divided into 70% training data, 20% validation data, and 10% testing data. MobileNetV2 was used as a feature extractor to recognize visual patterns in succulent images, and the trained model was integrated into an Android application. The testing results showed that the model achieved an accuracy of 87,36%, with 152 correct predictions from 174 test images. These results indicate that the developed application can support fast, accurate, and practical succulent identification through Android devices.