Beras merupakan salah satu makanan utama yang banyak dikonsumsi secara global, termasuk di Indonesia, yang menghadapi tantangan dalam meningkatkan produksi beras akibat serangan penyakit pada tanaman padi. Penyakit seperti Bacterial Leaf Blight dan Brown Spot dapat menyebabkan kehilangan hasil panen yang signifikan. Oleh karena itu, diperlukan sistem untuk mendeteksi dan mengklasifikasikan penyakit pada tanaman padi secara otomatis. Penelitian ini mengembangkan model klasifikasi penyakit padi menggunakan metode Convolutional Neural Networks (CNN) dengan arsitektur MobileNetV3 untuk perangkat mobile. Fokus utama pada penelitian ini pada optimalisasi tahap pre-processing dengan teknik foreground extraction dan penerapan metode k-fold cross-validation untuk memaksimalkan performa model. Data yang digunakan dari dataset publik Kaggle, eksperimen dilakukan dengan menerapkan teknik k-fold (k=10) untuk memastikan evaluasi model yang lebih andal. Hasil terbaik diperoleh pada niai k=1, dengan akurasi mencapai 98% dan nilai loss sebesar 0.02, menunjukkan bahwa model yang dikembangkan memiliki performa yang sangat baik dalam mengklasifikasi penyakit pada tanaman padi. Diharapkan, sistem ini dapat membantu petani dalam mendiagnosis penyakit secara cepat, tepat, dan efisien guna meningkatkan produktivitas pertanian.