Deteksi penyakit tomat secara tradisional bersifat subjektif dan lambat. Penelitian ini merancang sistem deteksi otomatis berbasis citra untuk analisis objektif menggunakan ensemble learning, menggabungkan Convolutional Neural Network (CNN) dan Vision Transformer (ViT). Model ini dilatih pada tiga kelas Sehat, Jamur Fulva, Jamur Septoria dan diimplementasikan sebagai aplikasi real-time menggunakan Gradio. Hasil evaluasi menunjukkan akurasi keseluruhan 81,60%. Sistem ini unggul dalam mengidentifikasi Daun Tomat Sehat Recall 100% dan Jamur Septoria F1-Score 0.84. Namun, teridentifikasi kelemahan signifikan pada Jamur Fulva Recall 0.46, yang sering salah diklasifikasikan sebagai Daun Sehat. Analisis menemukan bahwa strategi ensemble 60% CNN + 40% ViT bukanlah konfigurasi optimal dan justru menipiskan performa superior ViT individu 98,42% val_accuracy. Walaupun demikian, tujuan penelitian untuk menghasilkan aplikasi diagnostik fungsional telah tercapai.

Kata Kunci: Deteksi Penyakit, Daun Tomat, Ensemble Learning, Vision Transformer (ViT), Convolutional Neural Network (CNN), Pengolahan Citra, Gradio.