Tanaman padi (Oryza sativa) memiliki peran yang penting sebagai pangan bagi sebagian besar populasi dunia. Di Indonesia, padi menjadi komoditas utama yang menjadi konsumsi masyarakat sebagai sumber karbohidrat utama. Salah satu faktor yang mempengaruhi kesuburan padi adalah hama dan penyakit pada tanaman padi (Ismindarto dkk, 2024). Di Indonesia, sekitar 200.000 - 300.000 ton padi setiap tahun terkena serangan hama. Kerugian signifikan timbul akibat diagnosa penyakit tanaman padi yang terlambat. Terdapat beragam jenis penyakit tanaman padi, seperti bacterial leaf blight, leaf smut, brown spot, hispa, dan leaf blast (Huda dkk, 2022) gejala penyakit ini dapat bervariasi mulai dari kerusakan pada daun hingga penurunan kualitas gabah. Gagal panen dapat terjadi karena penanganan yang kurang cepat dan tidak tepat, sehingga produksi padi menurun dan penghasilan petani juga berkurang (Anggiratih dkk, 2021). Penyakit padi memiliki gejala yang sulit dibedakan, terutama pada kasus yang lebih parah (Zuraida dkk, 2023), namun gejala penyakit pada bagian daun padi paling mudah dikenali karena daun padi memiliki penampang yang lebih luas dibandingkan dengan bagian lain dari tanaman padi. Oleh karena itu, perubahan warna dan bentuk bercak dapat dengan mudah terlihat. Tujuan diterapkan teknik pengolahan citra untuk klasifikasi jenis penyakit daun tanaman padi adalah untuk mendeteksi setiap jenis penyakit yang ada. Tahapan utama yang dilakukan dalam penelitian meliputi resize citra, pre-processing, segmentasi, ekstraksi fitur dan klasifikasi. Jenis fitur yang digunakan berupa fitur tekstur dengan menggunakan metode GLCM. Algoritma klasifikasi menggunakan K-Nearest Neighbor (KNN) dengan parameter jarak Euclidean, dan Manhattan dengan nilai k=1, k=3, k=5, k=7, dan k=9. Data yang digunakan 500 data citra, terdiri dari 400 data citra latih dan 100 data citra uji. Hasil pengujian metode KNN sesuai di implentasikan pada penelitian ini dengan akurasi mencapai 92,00% pada metode Euclidean pada jarak k=1.