Penyakit yang menyerang padi adalah salah satu unsur yang dapat menurunkan hasil produksi padi. Penyakit padi diantaranya Blast, Brown Spot, Leaf Smut, dan penyakit padi lainnya. Membedakan penyakit padi dengan penglihatan memiliki kelemahan karena penyakit padi memiliki gejala dan ciri-ciri yang mirip. Petani kurang memiliki pengetahuan dalam mengidentifikasi jenis penyakit padi sehingga dibutuhkan teknologi yang dapat membantu untuk membedakan penyakit padi. Metode yang digunakan untuk klasifikasi citra padi pada penelitian ini adalah Convolutional Neural Network arsitektur NASNetLarge. Terdapat dua proses klasifikasi yaitu proses klasifikasi menggunakan augmentasi data dan tanpa augmentasi data. Data terdiri atas 4 kelas, yaitu Healthy, Leaf Smut, Blast, dan Brown Spot dengan jumlah data 440 citra asli dan 1320 citra augmentasi. Penelitian ini menggunakan augmentasi data yaitu Horizontal Flips, Vertical Flips, dan Contrast. Hasil penelitian untuk proses klasifikasi tanpa augmentasi data mendapatkan akurasi tertinggi yaitu 94.31%, 100% precision, 100% recall, dan 100% f1-score pada rasio 80:20, learning rate 0.1, dense 256, batch size 32, dan optimizer Adam. Sedangkan akurasi yang diperoleh pada proses klasifikasi menggunakan augmentasi data adalah 98.73%, 96.11% precision, 100% recall, dan 98.01% f1-score pada rasio 70:30, learning rate 0.1, dense 16, batch size 128, dan optimizer Adagrad. Hasil akurasi menunjukkan bahwa dengan augmentasi data dan hyperparameter yang digunakan dapat meningkatkan akurasi dalam klasifikasi citra penyakit daun padi.