Tanaman padi memiliki peran yang sangat penting dalam sektor pertanian Indonesia sebagai salah satu komoditas utama dalam pemenuhan kebutuhan pangan. Namun, produksi padi sering kali mengalami hambatan akibat penyakit tanaman, yang dapat menyebabkan kerugian besar bagi petani. Penggunaan teknologi citra digital, khususnya metode Convolutional Neural Network (CNN), telah membuka peluang baru dalam mendeteksi penyakit daun pada tanaman padi dengan lebih cepat dan akurat. Penelitian ini difokuskan pada Kabupaten Tuban, yang merupakan salah satu daerah penghasil padi terbesar di Jawa Timur. Dalam penelitian ini, langkah-langkah yang dilakukan meliputi pengumpulan data citra daun padi yang sehat dan terserang penyakit, melakukan pre-processing data citra, melatih model CNN untuk mengklasifikasikan jenis penyakit pada daun padi, serta mengevaluasi akurasi model CNN. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur Xception mencapai akurasi sebesar 0.9853 atau 98.53% yang mampu mengidentifikasi beberapa jenis citra seperti Xanthomonas oryzae pv. oryzicola (penyakit leaf blight pada daun), Pyricularia oryzae Cav (penyakit blast pada daun), Brown Spot (Bercak Coklat),Healthy (Daun Sehat) dan Data acak. Implementasi teknologi image processing dengan metode ini diharapkan dapat membantu petugas dan petani dalam mengidentifikasi penyakit pada tanaman padi secara cepat dan akurat, sehingga dapat mengurangi dampak kerugian akibat serangan penyakit.