Selama masa pertumbuhannya tanaman kelapa sawit sangat rentan terkena penyakit dalam bentuk virus maupun bakteri terutama pada daun kelapa sawit sering dijumpai pola bercak berwarna kuning pada area daun yang dapat menyebabkan kerugian yang berarti jika tidak diberi tindakan. Umumnya, identifikasi penyakit kelapa sawit hanya dilakukan secara manual sehingga dapat menimbulkan kesalahan, oleh karena itu pada penelitian ini dibuat sistem identifikasi penyakit daun pada tanaman kelapa sawit. Pada sistem, data hasil akuisisi citra daun sawit diproses menggunakan beberapa algoritma agar daun dapat terklasifikasi menjadi daun sakit dan sehat. Algoritma yang dibentuk menggunakan deteksi ROI kemudian dilakukan konversi ruang warna dari RGB ke YCbCr. Hasil konversi dilanjutkan dengan proses identifikasi pada bercak daun pada channel Cr dan ciri warna pada channel Cb dan Cr menggunakan proses ekstraksi fitur. Kuantifikasi nilai bercak pada area daun digunakan sebagai fitur dan nilai mean pada ciri warna channel Cb dan Cr digunakan sebagai fitur warna untuk masukan proses klasifikasi. Algoritma klasifikasi menggunakan KNN dengan parameter jarak Euclidean, Minkwoski, Manhattan dan ChebyShev dengan nilai k = 3, 5, dan 7. Berdasarkan hasil klasifikasi 100 data daun kelapa sawit dengan 40 data latih dan 60 data uji hasil pengujian mendapatkan akurasi 98% dari masing-masing jenis jarak yang digunakan. Kata kunci: Pengolahan Citra Digital, Deteksi ROI, Pre-Processing, Ektraksi Fitur, Kuantifikasi Piksel, K-Nearest Neighbor, Euclidean, Minkwoski, Manhattan dan ChebyShev.