Tanaman padi (Oryza sativa) merupakan komoditas utama dalam sektor pertanian yang memegang peranan penting dalam ketahanan pangan nasional. Namun, serangan penyakit seperti hawar daun, blast, tungro, dan bercak coklat menjadi ancaman serius yang dapat menyebabkan penurunan produktivitas hingga gagal panen. Identifikasi dini dan akurat terhadap penyakit ini sangat penting untuk mencegah kerugian yang lebih besar. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penyakit padi berbasis citra digital menggunakan pendekatan deep learning, khususnya arsitektur Convolutional Neural Network (CNN), dan ditingkatkan menggunakan metode ensemble stacking dengan logistic regression sebagai meta-learner. Dalam penelitian ini, dikembangkan empat model CNN sebagai base learner dengan variasi ukuran konvolusi (3×3, 5×5, 7×7, dan 9×9). Dataset citra daun padi diklasifikasikan ke dalam empat kelas penyakit dan dievaluasi menggunakan metrik seperti akurasi, precision, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa kombinasi keempat model CNN yaitu (CNN_1, CNN_2, CNN_3, dan CNN_4) dalam skema ensemble stacking mampu menghasilkan akurasi tertinggi sebesar 95,59%, mengungguli kinerja masing-masing model individu. Model terbaik kemudian diimplementasikan ke dalam sistem berbasis web yang mampu melakukan deteksi penyakit secara otomatis dari citra daun padi. Penelitian ini memberikan kontribusi dalam pengembangan sistem pertanian cerdas berbasis kecerdasan buatan, yang dapat membantu petani dalam mengenali penyakit tanaman lebih cepat dan akurat.