Nasi ialah makanan pokok warga Indonesia yang berasal dari tanaman padi.Tanaman padi sering mangalami gagal panen karena terserang penyakit. Tentunya hal tersebut akan berpengaruh pada hasil panen. Oleh karena itu, di era kemajuan teknologi ini dapat menggunakan citra digital yang dapat membantu petani untuk mengklasifikasi penyakit daun padi agar dapat dikendalikan. Salah satu klasifikasi menggunakan K-Nearest Neighbor (KNN) yang bersumber pada informasi data pembelajaran dengan jarak yang terdekat. Penelitian menerapkan metode ekstrasi fitur warna dan invariant moment agar mendapatkan informasi ciri pembeda suatu objek dari objek yang lain. Data berasal dari UCI Machine Learning Repository berjumlah 120 citra yang dibagi menjadi 3 jenis penyakit bacterial leaf blight, brown spot, dan leaf smut dengan setiap kelas memiliki 40 citra. Fitur warna yang digunakan HSV yaitu Hue, Saturation, dan Value. Sedangkan pada invariant moment menggunakan tujuh fitur H1 hingga H7 yang dikenalkan oleh Hu. Seleksi fitur dilakukan setelah proses ekstraksi fitur untuk mendapatkan nilai akurasi tertinggi. Selain itu, Variasi jumlah tetangga (k) pada KNN juga divariasi dari k=1 sampai k=10. Hasil akurasi terbaik didapatkan pada penggunaan fitur yaitu hue, saturation, value, h2, h3, dan h7 dan nilai jumlah tetangga pada KNN k=1 dengan akurasi sebesar 81,66%.