Pertanian padi memiliki peran penting dalam ketahanan pangan, namun produksi sering terganggu akibat penyakit daun seperti Blast, Brown spot, dan Hispa. Klasifikasi manual kurang efektif karena membutuhkan waktu dan keahlian khusus. Penelitian ini mengusulkan klasifikasi otomatis menggunakan transfer learning dengan arsitektur MobileNetV1 dan MobileNetV2. Kontribusi orisinal dari penelitian ini berupa validasi performa dan optimasi spesifik pada arsitektur MobileNet untuk kasus penyakit daun padi, termasuk analisis komparatif pada konfigurasi Dense layer dan rasio data training. Dataset terdiri dari 2000 citra empat kelas yang dibagi menjadi data train, test, dan validation untuk mencegah overfitting. Model dilatih menggunakan konfigurasi Dense layer 32, 64, dan 256 dengan rasio data 7:2:1 dan 8:1:1. Model terbaik diperoleh dari MobileNetV2 dengan 64 neuron dan rasio 8:1:1, menghasilkan akurasi 93,50%. Hasil ini menunjukkan bahwa MobileNetV2 dapat menjadi metode yang efisien dan akurat untuk klasifikasi penyakit daun padi serta mendukung pengambilan keputusan petani secara lebih cepat.