Perkembangan teknologi yang cepat telah menghasilkan berbagai teknik inovatif yang membantu manusia, termasuk object detection. Object detection sering digunakan untuk mengatasi permasalahan yang terjadi karena kemampuannya dalam mengidentifikasi setiap elemen dalam gambar. Salah satu permasalahan yang kerap ditemui yaitu penurunan pendapatan hasil pertanian akibat penyakit pada tanaman cabai. Pemeliharaan tanaman cabai memiliki berbagai kendala diantaranya akibat dampak cuaca yang menyebabkan berkembangnya penyakit dan hama sehingga produksi cabai mengalami penurunan. Dengan penerapan object detection, memudahkan petani mengidentifikasi penyakit yang menyerang tanaman cabai melalui gambar sehingga penangananan penyakit lebih cepat. Penelitian ini menggunakan algoritma YOLOv5 untuk menguji kinerja model dalam mengidentifikasi penyakit tanaman cabai. Pengambilan gambar dilakukan menggunakan kamera ponsel bermensi 3472x3472 piksel. Jumlah data gambar yang digunakan sebanyak 430 data. Data gambar dibagi menjadi 3 bagian yaitu data train, data valid, dan data test. Untuk mendapatkan model terbaik maka penelitian ini juga melakukan tiga percobaan dengan pembagian data yang berbeda. Percobaan 1 dengan pembagian 70:20:10, percobaan 2 dengan pembagian 75:15:10, dan percobaan 3 dengan pembagian 80:10:10. Dari percobaan yang dilakukan didapatkan hasil terbaik yaitu pada percobaan 3 dengan nilai rata-rata yang diperoleh pada pengujian sebesar sebesar 0.947 dengan penjabaran nilai precision, recall, dan mAP yaitu masing-masingnya sebesar 0.946, 0.936, dan 0.959.