Negara Indonesia adalah negara agraris. Hal ini menyebabkan pentingnya keberhasilan panen para petani Indonesia untuk memenuhi kebutuhan rakyat Indonesia tersebut. Penyakit daun tanaman tomat adalah masalah serius yang harus diatasi oleh para petani tomat untuk meningkatkan kualitas hasil panen mereka. Dalam menangani penyakit pada daun tanaman tomat, petani harus mampu mengidentifikasi penyakit yang sedang menjangkit daun tanaman tomat tersebut. Dengan menggunakan pengolahan citra digital untuk membantu petani dalam mengidentifikasi penyakit pada daun tanaman tomat. Metode yang digunakan untuk ekstraksi fitur tekstur Gray Level Co-occurrence Matrix, ekstraksi fitur warna Color Moments dan klasifikasi Naive Bayesian. Dari data testing sebanyak 140 citra daun tanaman tomat, menunjukkan bahwa penggunaan 2 ekstraksi fitur yaitu GLCM dan CM mampu memberikan accuracy sebesar 93,75%. Accuracy tersebut merupakan hasil yang lebih tinggi daripada penggunaan metode GLCM dengan angka accuracy sebesar 91,51% atau metode CM dengan angka accuracy sebesar 90,45%.

The country of Indonesia is an agricultural country. This causes the importance of the success of the harvest of Indonesian farmers to meet the needs of the Indonesian people. Tomato leaf disease is a serious problem that must be overcome by tomato farmers to improve the quality of their crops. In dealing with diseases of the leaves of tomato plants, farmers must be able to identify diseases that are infecting the leaves of tomato plants. By using digital image processing to assist farmers in identifying diseases on the leaves of tomato plants. The method used for the extraction of Gray Level Co-occurrence Matrix texture features, color feature extraction of Color Moments and Naive Bayesian classification. From the testing data as many as 140 images of tomato plant leaves, showed that the use of 2 feature extractions namely GLCM and CM were able to provide an accuracy of 93.75%. The accuracy is higher than the use of the GLCM method with an accuracy number of 91.51% or the CM method with an accuracy number of 90.45%.