Indonesia adalah sebuah negara dengan berbagai jenis tanaman herbal yang melimpah dan memiliki potensi sebagai obat yang sangat efektif. Tanaman herbal telah digunakan sejak zaman dahulu sebagai obat alami. Salah satu bagian yang memiliki manfaat kesehatan adalah bagian daun namun terdapat banyak kesamaan antara jenis daun yang berbeda. Penelitian ini bertujuan untuk melakukan klasifikasi citra digital daun herbal yang menerapkan metode Naïve Bayes dan K-Nearest Neighbor (KNN) dengan fitur yang diekstraksi menggunakan Gray Level Co-occurrence Matrix (GLCM). Dataset terdiri dari daun katuk dan daun kelor, dengan pengambilan data menggunakan skenario terang dan gelap. Total jumlah data sebanyak 480 yang dibagi menjadi dua yaitu 80% untuk citra data latih dan 20% untuk citra data uji. Jarak KNN yang digunakan sebagai perbandingan adalah Euclidean, Manhattan, Chebyshev, Minkowski, dan Hamming. Sedangkan pada Naïve Bayes menggunakan kernel Gaussian, Multinomial, dan Bernoulli. Hasil penelitian membandingkan kedua metode dalam klasifikasi jenis daun herbal menunjukkan bahwa metode KNN dengan jarak manhattan memberikan hasil terbaik dengan tingkat akurasi mencapai 94% pada skenario terang.