Teknologi pada zaman sekarang semakin berkembang dengan pesat dalam berbagai bidang. Manfaat dari perkembangan teknologi ini tentu saja dapat membantu pekerjaan manusia di berbagai bidang. Misalkan dalam bidang perkebunan, pengembangan untuk kualitas pada buah-buahan bahkan sampai pada bidang pendidikan. Salah satunya adalah pengidentifikasian jenis buah-buahan dibutuhkan agar masyarakat umum khususnya anak-anak dapat membedakan jenis buah-buahan dengan cara melihat bentuk daun, sehingga dapat bermanfaat untuk menambah wawasan mengenai buah-buahan. Untuk orang awam pasti cukup sulit dalam mengetahui jenis buah apa dari daun tersebut. Oleh karena itu penelitian ini mengusulkan algoritma Convolution Neural Network dengan membandingkan arsitektur EfficientNet-B3 dan MobileNet-V2 dengan cara mengatur beberapa parameter pada setiap model untuk mendapatkan nilai akurasi terbaik dalam mendeteksi jenis buah-buahan menggunakan fitur daun. EfficientNet-B3 dan MobileNet-V2 merupakan model Pre-trained dari CNN yang telaj dilatih pada suatu dataset yang cukup besar yaitu ImageNet. Hasil yang dihasilkan dari penelitian ini dengan menerapkan beberapa parameter seperti penggunaan epoch, optimizer Adam, optimizer Adamax, optimizer sgd, bathsize. Untuk EfficientNet-B3 epoch 20 optimizer sgd menghasilkan akurasi 0,2370 atau 23%, sedangkan EfficientNet-B3 epoch 50 optimizer Adamax menghasilkan akurasi 0,3051 atau 30%. Selain itu penelitian pada model MobileNet-V2 epoch 20 optimizer Adam menghasilkan akurasi 0,9914 atau 99%, sedangkan MobileNet-V2 epoch 50 optimizer Adamax menghasilkan akurasi 0,9860 atau 98%. Kata kunci: Daun, Convolution Neural Network, EfficientNet-B3, MobileNet-V2