Hama dan penyakit tanaman membuat pertumbuhan dan perkembangan tanaman tidak maksimal. Biasanya penyebab suatu tanaman tidak dapat tumbuh dan berkembang dengan maksimal disebabkan karena penyakit yang menyerang serta hama pengganggu. Proyek Akhir ini menawarkan solusi dengan menggunakan drone sebagai tindakan cepat untuk menangani hama dan penyakit serta memberikan data secara real-time. Gambar NDVI lebih akurat untuk aplikasi yang berfokus pada deteksi dan analisis vegetasi karena kemampuannya untuk memanfaatkan perbedaan spektral yang spesifik pada tanaman. Metode yang digunakan dalam pengolahan gambar menggunakan CycleGAN. Pada proyek ini, data dikumpulkan menggunakan kamera yang dapat menghasilkan gambar dalam format RGB, NIR (near-infrared), dan R (red). Data dari gambar NIR dan R diolah menjadi NDVI (Normalized Difference Vegetation Index), yang digunakan sebagai dataset untuk melatih model CycleGAN. Proses pelatihan CycleGAN menghasilkan model yang mampu mengubah gambar RGB menjadi NDVI. Hasil akhirnya berupa gambar RGB yang telah diubah menjadi NDVI serta catatan pelatihan yang berisi metrik untuk mengevaluasi model. Hasil gambar NDVI dari proses CycleGAN dalam studi ini mencapai skor korelasi histogram 0,966, yang menunjukkan tingkat kesamaan yang tinggi dan membuktikan keandalan metode yang diusulkan. Hasil akhir penelitian ini adalah analisis tingkat vegetasi tanaman menggunakan gambar RGB, dan hasilnya akan ditampilkan pada peta beserta informasi lokasi