Tomat adalah tanaman bernilai ekonomi tinggi yang rentan terhadap penyakit daun yang disebabkan oleh jamur, bakteri, dan virus. Identifikasi penyakit secara visual oleh petani seringkali kurang efisien, sehingga diperlukan teknologi klasifikasi berbasis pengolahan citra. Penelitian ini bertujuan untuk mengevaluasi hasil klasifikasi penyakit daun tomat menggunakan ekstraksi fitur tekstur Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP), serta ekstraksi warna Hue Saturation Value (HSV), baik secara terpisah maupun dalam kombinasi. Metode eksperimen digunakan dengan algoritma Deep Neural Network (DNN) pada rasio data 80:20, dilakukan analisis fitur Gray Level Co-occurrence Matrix (GLCM) pada empat sudut. Hasil penelitian menunjukkan bahwa kombinasi kedua fitur Gray Level Co-occurrence Matrix (GLCM), dan Hue Saturation Value (HSV) pada sudut 45° memberikan akurasi tertinggi sebesar 97,40%, sementara pada rasio data 70:30 kombinasi Local Binary Pattern (LBP) dan Hue Saturation Value (HSV) menghasilkan akurasi sebesar 97,32%. Kesimpulan ini menunjukkan bahwa kombinasi kedua ekstraksi fitur tersebut mampu meningkatkan akurasi model secara signifikan dibandingkan dengan
penggunaan fitur tunggal, membantu petani dalam mengenali penyakit daun tomat dengan lebih cepat dan akurat.