Tumbuhan sangat penting bagi kehidupan manusia di bumi dimana daun, kelopak, dan seluruh bagiannya mempunyai banyak manfaat. Bagian tumbuhan tersebut dapat membantu membedakan antara spesies-spesies yang berbeda. Identifikasi daun dapat dilakukan kapan saja sedangkan identifikasi bagian tumbuhan lainnya hanya dapat dilakukan di waktu tertentu. Penelitian ini bertujuan untuk melakukan klasifikasi terhadap dua jenis daun herbal yaitu daun katuk (sauropus androgynus) dan daun kelor (moringa oleifera) yang mengimplementasikan metode ekstraksi Fourier Descriptor untuk mengekstraksi fitur bentuk dan tekstur. Pada proses klasifikasi menggunakan metode Naïve Bayes dengan tiga jenis kernel (Gaussian, Bernoulli, Multinomial) dan Convolutional Neural Network. Proses pengujian dilakukan dengan menggunakan dua skenario yaitu gelap dan terang, dimana setiap skenario berjumlah 240 citra dengan total 480 citra yang dibagi menjadi 20% data testing dan 80% data training. Berdasarkan hasil penelitian diperoleh bahwa metode Fourier Descriptor - Bernoulli Naïve Bayes memberikan akurasi paling rendah baik pada skenario terang maupun gelap yaitu masing-masing sebesar 46% dan 52%. Adapun klasifikasi daun herbal dengan kombinasi metode Fourier Descriptor - Convolutional Neural Network direkomendasikan untuk digunakan pada skenario citra terang dan Fourier Descriptor - Gaussian Naïve Bayes pada skenario gelap karena mampu mendeteksi jenis daun herbal dengan akurasi sebesar 100%.