Jagung adalah tanaman serealia penting di Indonesia dan telah dibudidayakan selama ribuan tahun sehingga sekarang telah menjadi salah satu tanaman pangan terpenting di dunia. Saat ini jagung menjadi salah satu sumber pangan utama di Indonesia setelah padi. Penyakit daun jagung menjadi salah satu faktor pembatas produksi. Penyakit daun pada tanaman jagung memiliki berbagai jenis sehingga tidak semua orang mengetahui penyakit yang ada. Klasifikasi citra menggunakan metode Convolutional Neural Network (CNN) dapat dapat digunakan untuk mengetahui penyakit daun jagung. Dataset yang digunakan sebanyak 8500 citra yang dipisahkan menjadi 7650 data latih dan 850 data uji. Citra yang digunakan diresize menjadi ukuran 224x224. Dalam contoh kode yang diberikan, model CNN diimplementasikan dengan menggunakan model Basic yang telah dilatih sebelumnya sebagai dasar untuk mengklasifikasikan penyakit pada daun jagung. Setelah membangun model baru dengan beberapa lapisan yang disesuaikan dengan tugas klasifikasi penyakit daun jagung, model tersebut dikompilasi dengan optimizer Adam dan fungsi loss categorical_crossentropy. Selain itu, metrik evaluasi seperti akurasi, presisi, dan recall juga ditentukan. Model CNN dibangun dengan beberapa lapisan seperti Conv2D, MaxPooling, Flatten, dan Dense. Evaluasi model menunjukkan akurasi training sebesar 90% dan validasi sebesar 88%. Pada pengujian model menunjukkan akurasi uji sebesar 87%. Confusion matrix digunakan untuk menganalisis hasil klasifikasi model. Visualisasi confusion matrix dalam bentuk heatmap membantu pemahaman tentang distribusi prediksi dan label kelas penyakit pada daun jagung.