Indonesia memiliki keanekaragaman Tumbuhan obat yang sangat melimpah, namun proses identifikasinya masih banyak dilakukan secara manual melalui pengamatan morfologi daun. Cara ini membutuhkan keahlian khusus dan berpotensi menimbulkan kesalahan, terutama pada spesies yang memiliki bentuk daun yang mirip. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi Tumbuhan herbal berbasis citra digital dengan memanfaatkan fitur bentuk daun. Dataset yang digunakan terdiri dari 550 citra yang terbagi dalam lima kelas Tumbuhan herbal, yaitu daun sirih, pandan, jambu, kunyit, dan kelor. Tahap preprocessing dilakukan melalui segmentasi biner untuk memisahkan objek daun dari latar belakang serta konversi grayscale guna menyederhanakan informasi citra. Ekstraksi fitur dilakukan menggunakan arsitektur MobileNet yang mampu menghasilkan representasi karakteristik daun secara efisien. Hasil fitur kemudian diklasifikasikan menggunakan algoritma K-Nearest Neighbors (K-NN) dengan perhitungan jarak Euclidean. Evaluasi menggunakan Confusion Matrix menunjukkan bahwa sistem mencapai akurasi sebesar 71%, dengan precision, recall, dan F1-score masing-masing sebesar 71%. Hasil ini menunjukkan bahwa kombinasi metode MobileNet dan K-NN mampu memberikan performa yang cukup baik dalam mengenali Tumbuhan herbal berdasarkan citra daun. Sistem ini diharapkan dapat menjadi alat bantu identifikasi yang lebih cepat, mudah, dan akurat bagi masyarakat maupun praktisi di bidang botani dan kesehatan herbal.