Tanaman pisang (Musa spp.) merupakan komoditas hortikultura yang memiliki peran penting di Indonesia, namun produktivitasnya kerap terancam oleh berbagai penyakit yang sulit diidentifikasi secara akurat oleh petani. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit dan jenis buah pisang berbasis Deep Learning menggunakan metode Convolutional Neural Network (CNN) yang diimplementasikan pada aplikasi mobile Android. Sistem dirancang untuk mengenali penyakit daun seperti Sigatoka, Panama, Moko, Cordana, dan Pestalotiopsis; penyakit batang seperti Pseudostem Weevil; serta penyakit buah pisang seperti Banana Blood Disease dan Rotten Fruit. Selain itu, sistem juga mengklasifikasi beberapa jenis pisang. Dataset terdiri dari 4.415 citra, dengan pembagian 80% untuk data training (3.082 citra) dan 20% untuk validation (661 citra). Model dilatih menggunakan beberapa arsitektur pre-trained dari Keras Applications, yaitu InceptionV3, Xception, DenseNet201, ResNet50V2, dan EfficientNetV2S. Hasil terbaik diperoleh dari DenseNet201 dengan Hyperparameter Tuning (Augmentasi, learning rate, dropout, L2 regularization, dan brightness ekstrem), yang mencapai akurasi 84,15%. Performa ini diperkuat dengan nilai recall tinggi sebesar 95,4%, precision 82,2%, dan f1-score 82,9%. Selain itu, untuk pengujian pengambilan foto dengan jarak 5 cm menunjukkan bahwa kondisi pencahayaan terang menghasilkan performa terbaik, sehingga dapat menjadi acuan dalam penerapan di perangkat mobile.