Indonesia terkenal dengan kekayaan hayati yang melimpah, termasuk ribuan spesies tumbuhan yang sebagian besar memiliki nilai pengobatan dalam pengobatan tradisional. Meskipun pengobatan tradisional merupakan bagian dari warisan budaya Indonesia dan digunakan oleh generasi sebelumnya, penggunaan obat tradisional saat ini mengalami penurunan akibat kurangnya informasi yang tersedia. Hal ini mengakibatkan banyak tumbuhan obat di Indonesia, termasuk yang memiliki potensi pengobatan, tidak dimanfaatkan secara optimal. Untuk meningkatkan pemahaman dan pemanfaatan obat tradisional, penelitian ini menggunakan teknologi Jaringan Saraf Tiruan (Artificial Neural Networks, ANN), khususnya metode Backpropagation Neural Networks (BNN), untuk mengklasifikasikan jenis tanaman obat berdasarkan citra daun. Metode ini didasarkan pada model matematika yang terinspirasi dari cara kerja otak manusia dan mampu mempelajari pola dari data yang diberikan. Pada penelitian ini, dilakukan pengklasifikasian citra daun herbal menggunakan algoritma BNN dengan ekstraksi ciri berdasarkan bentuk. Dataset yang digunakan terdiri dari 40 citra yang dibagi menjadi 4 kelas, dengan masing-masing kelas memiliki 10 citra. Kelas-kelas tersebut mencakup daun lengkuas, daun kersen, dan daun sirih. Proses pengklasifikasian melibatkan segmentasi citra, operasi morfologi, serta ekstraksi ciri menggunakan parameter metric dan eccentricity. Model ini diimplementasikan melalui antarmuka pengguna grafis (GUI) menggunakan perangkat lunak Matlab, sehingga mempermudah pengujian. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan citra daun herbal dengan akurasi keseluruhan mencapai 93,75%.