Teh merupakan minuman populer dari daun Camellia sinensis, memiliki manfaat kesehatan dan menjadi industri penting di Indonesia. Penyakit tanaman teh dan permintaan pasar menjadi tantangan. Mendeteksi penyakit dengan mata telanjang bisa jadi tidak efisien dan kontraproduktif. Oleh karena itu, teknologi komputer seperti klasifikasi citra digital dengan metode deep learning, dapat digunkan untuk mendeteksi penyakit daun teh secara otomatis. Pada penelitian ini, sistem klasifikasi dengan Metode Convolutional Neural Network (CNN) dirancang untuk mendeteksi penyakit daun teh secara otomatis dan efektif. Metode CNN mampu memberikan hasil konsisten dan akurat dalam mengklasifikasikan jenis penyakit daun teh. Penelitian ini fokus pada klasifikasi penyakit daun teh dengan CNN pada data citra untuk meningkatkan produksi teh berkualitas. Klasifikasi yang dilakukan terdiri dari 5 kelas penyakit yaitu Algal Spot, Brown Blight, Gray Blight, Helopeltis, Red Spot dan 1 kelas sehat yaitu Healthy dengan jumlah 5980 data citra. Arsitektur MobileNetV2 dan EfficientNetB0 pada penelitian ini menghasilkan akurasi sebesar 98,86%, presisi 98,86%, recall 98,86%, F1-score 98,86%, pada arsitektur EfficientNetB0 menghasilkan akurasi sebesar 93,86%, presisi 94,36%, recall 93,86%, F1-score 93,89%. Dari hasil tersebut menunjukkan bahwa kedua model mampu dalam melakukan klasifikasi secara akurat. Berdasarkan hasil penelitian yang dilakukan, model tersebut dapat dirancang dengan hasil yang baik, dan model tersebut dapat diimplementasikan ke dalam sistem Aplikasi Android.