Deteksi penyakit dalam penelitian ini dibagi menjadi tiga kelompok penyakit daun yaitu Karat Putih, Virus Keriting, Kekurangan Mangan. Penelitian ini bertujuan untuk mengklasifikasi penyakit berdasarkan citra daun dengan menggunakan metode fitur ekstraksi yaitu gray level co-occurrence matrix. Metode penelitian ini terdiri dari: konversi data rgb ke grayscale, normalisasi citra, deteksi penyakit daun, ekstraksi fitur dan klasifikasi. Pengumpulan data yang diambil dari data real berjumlah 101 image yang dipakai dalam penelitian ini terdiri 81 data training dan 20 data testing yang merupakan data image RGB dengan format JPG. Masing- masing data terdiri dari tiga kategori penyakit, untuk data training terdiri dari 16 image daun penyakit karat putih, 13 image daun penyakit kekurangan mangan dan 14 image daun penyakit virus keriting. Sedangkan untuk data testing terdiri dari 6 image daun penyakit karat putih, 7 image daun penyakit kekurangan mangan dan 7 image daun penyakit virus keriting. Data citra tersebut diolah menjadi citra grayscale yang kemudian dilakukan deteksi penyakit daun. Setelah didapat penyakit daun kemudian dilakukan segmentasi pada bagian lokasi daun yang ditemukan. Yang selanjutnya dilakukan perhitungan ciri menggunakan gray level co-occurrence matrix. Algoritma yang digunakan untuk proses klasifikasi adalah algoritma Artificial Neural Network. Hasil akhir pengujian menunjukkan bahwa metode yang diusulkan telah mampu mendeteksi penyakit daun bayam dengan hasil akurasi yang dihitung menggunakan confusion matrix sebesar 90%. Dengan demikian penerapan metode gray level co-occurrence matrix dan Artificial Neural Network pada masalah deteksi penyakit daun bayam perlu dikembangkan lagi hasil akurat.