Pakcoy (Brassica rapa L.) merupakan salah satu sayuran hijau yang memiliki nilai ekonomi tinggi dan banyak dibudidayakan di Indonesia. Namun, produktivitas tanaman ini sering terancam oleh berbagai penyakit yang menyerang daun, sehingga diperlukan metode identifikasi dan pencegahan yang efektif. Penelitian ini bertujuan untuk menerapkan algoritma k-Nearest Neighbor (K-NN) dalam mengidentifikasi dan mencegah penyakit pada daun pakcoy berdasarkan data citra digital. Pendekatan K-NN dipilih karena kesederhanaannya dalam mengklasifikasikan data berdasarkan jarak terdekat, yang dinilai efektif untuk pengenalan pola. Penelitian ini melibatkan pengumpulan data citra daun pakcoy yang sehat dan terinfeksi, serta ekstraksi fitur visual seperti warna, tekstur, dan pola kerusakan. Sebelum diklasifikasi data citra daun dilakukan ekstrasi dengan model Gray Level Co-occurrence Matrix (GLCM) hal ini dilakukan untuk menambah keakurat hasil kalsifikasi citra. Data yang diperoleh kemudian digunakan untuk melatih model K-NN, yang selanjutnya diuji untuk mengevaluasi tingkat akurasi. Hasil penelitian menunjukkan bahwa pendekatan K-NN mampu mengidentifikasi jenis penyakit pada daun pakcoy dengan tingkat akurasi yang tinggi pada nilai K = 9 sebesar 97% dari ujicoba k = 1,3,5,7, dan 9. Model ini juga memberikan hasil yang konsisten dalam pengujian dengan data uji baru. Dengan demikian, implementasi algoritma K-NN dapat menjadi solusi yang praktis dan efisien untuk mendukung pengendalian penyakit tanaman secara dini, sehingga dapat meningkatkan kualitas dan kuantitas produksi pakcoy.