<![CDATA[Daun kelor (Moringa oleifera Lam) merupakan komoditas bernilai tinggi di bidang pertanian dan kesehatan, namun sering terancam oleh berbagai penyakit yang menurunkan hasil panen. Penelitian ini mengembangkan sistem deteksi otomatis penyakit daun kelor berbasis citra menggunakan Python dan OpenCV yang berjalan di Google Colab. Pipeline yang diusulkan terdiri dari delapan tahap pemrosesan berurutan: konversi RGB ke Grayscale, operator tepi Roberts, Filter Median, Thresholding Otsu, operasi morfologi (MORPH_OPEN), deteksi tepi Canny, segmentasi berbasis kontur dengan bounding rectangle, serta analisis ruang warna HSV untuk klasifikasi penyakit multi-kelas. Dataset sebanyak 20 citra daun kelor (10 sehat, 10 berpenyakit) dikumpulkan melalui pemotretan langsung menggunakan kamera iPhone 13 dan dilengkapi dengan citra yang bersumber dari basis data pertanian daring. Hasil pengujian menunjukkan akurasi deteksi keseluruhan sebesar 75%, dengan tingkat recall 100% pada sampel daun berpenyakit dan 50% pada daun sehat. Enam kategori penyakit berhasil diidentifikasi, yakni Bercak Daun, Hawar Daun, Antraknosa, Embun Tepung, Serangan Hama, dan Stres Air. Integrasi Thresholding Otsu dan analisis warna HSV memberikan hasil yang lebih unggul dibandingkan metode thresholding konvensional, membuktikan efektivitas kombinasi segmentasi adaptif dengan klasifikasi berbasis fitur warna. Kata Kunci: Segmentasi Citra, Penyakit Daun Kelor, Thresholding Otsu, Analisis Warna HSV, Python, OpenCV]]>
