Deteksi dini penyakit pada daun stroberi merupakan langkah strategis dalam upaya peningkatan produktivitas pertanian, khususnya di kawasan dataran tinggi seperti Tawangmangu. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi performa model YOLOv8 untuk mendeteksi lima kelas utama kondisi daun stroberi secara real-time. Dataset lokal dikumpulkan langsung dari kebun stroberi di Tawangmangu dan dianotasi menggunakan format YOLO. Proses pelatihan mencakup augmentasi data dan pembagian dataset, kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan mean Average Precision (mAP). Pengujian model di Google Colab menunjukkan performa tinggi dengan nilai evaluasi mAP@0.5 sebesar 99.2% dan mAP@0.5:0.95 sebesar 94.5%. Pengujian lapangan menerapkan implementasi website STROBIKA menunjukkan akurasi rata-rata sebesar 84,6%, dan mampu mengidentifikasi tiga penyakit utama daun stroberi hawar daun, bercak daun, dan tipburn. Meskipun terdapat tantangan dalam mengklasifikasikan daun sehat dan objek non-stroberi, sistem ini menunjukkan potensi tinggi untuk diterapkan dalam pertanian berbasis deep learning di dunia nyata.