Jagung merupakan salah satu tanaman yang cukup penting, karena jagung adalah komoditas pangan terbesar kedua setelah padi. Akan tetapi kebutuhan atas komoditas jagung di Indonesia masih belum tercukupi sehingga harus mengimpor dari negara lain. Di antara salah satu faktornya adalah hama dan penyakit yang menyerang tanaman jagung yang menyebabkan rendahnya hasil panen jagung. Sehingga teknik pemrosesan citra digital perlu diterapkan untuk mendeteksi penyakit tanaman jagung sejak dini. Metode yang akan digunakan adalah Fuzzy Color Histogram (FCH) untuk ekstraksi warna karena keunggulan metode ini yaitu tidak terlalu sensitif dengan noisy dan perbedaan cahaya. Sedangkan untuk ekstraksi fitur tekstur, metode yang akan digunakan adalah metode Gray Level Run-Length Matrix (GLRLM). Dari data uji sebanyak 3.847 citra daun jagung, hasil akurasi tertinggi dari metode FCH adalah 73.95%, untuk metode GLRLM adalah 69.17%, sedangkan untuk penggabungan keduanya menghasilkan akurasi paling tinggi yaitu 81.29%.

Corn is one of the most important plants, because corn is the second largest food commodity after rice. However, the need for corn in Indonesia is still insufficient so it needs to be imported from other countries. Among the factors of it are pests and diseases that attack maize which causes low corn yields. So that digital image processing techniques need to be applied to detect corn plant diseases on the early stage. The method that will be used is the Fuzzy Color Histogram (FCH) for color extraction as this method is not too sensitive with noisy and light differences. While for texture feature extraction, the method that will be used is the Gray Level Run-Length Matrix (GLRLM). From the training test of 3,847 images of corn leaves, the highest accuracy of FCH is 73.95%, for the GLRLM method is 69.17%, while for the merger both methods produce the highest accuracy that is 81.29%.