Apel merupakan salah satu buah tropis yang mampu hidup baik di Indonesia. Khususnya wilayah Indonesia yang memiliki ketinggian lebih dari 800 meter di atas permukaan laut. Saat ini produksi buah apel mengalami penurunan. Hal ini disebabkan oleh banyak faktor, salah satu faktor penyebab turunnya produktifitas buah apel adalah iklim yang berubah dan serangan berbagai penyakit dan hama. Penurunan produktifitas yang disebabkan oleh penyakit mencapai 50% - 90%. Para petani mengalami kesulitan dalam menentukan jenis penyakit yang menyerang pohon apel hal ini dikarenakan pengetahuan petani yang masih kurang dan kurangnya jumlah pakar untuk tanaman buah apel. Sehingga dalam penanganan petani mengalami kesalahan dan produktifitas buah apel menjadi menurun. Maka untuk mempermudah petani menentukan jenis penyakit, dan bertambahnya kemajuan teknologi maka perlu dibuatlah sebuah sistem komputasi cerdas untuk mendeteksi penyakit pada daun apel dengan menggunakan metode support Vectore Machine. Sistem komputasi cerdas tersebut menggunakan citra daun apel untuk diolah menggunakan metode Support vector machine. Untuk mendukung kinerja dari metode Support Vector Machine diperlukan metode tambahan ditambah yakni metode otsu untuk proses segmentasi Citra daun apel. Metode otsu digunakan untuk memisahkan warna daun sehat dan warna daun yang berpenyakit, sedangkan SVM merupakan metode untuk menentukan klasifikasi jenis penyakit tersebut. Dari semua skenario pengujian menggunakan SVM dengan kernel polnomial d menghasilkan akurasi tertinggi mencapai 83.33% dengan menggunakan perbandingan prosentase jumlah data latih dan jumlah data uji 90:10. Dengan nilai parameter yang digunakan antara lain nilai lamda = 0.5, nilai konstanta gamma = 0.01, nilai C = 1, nilai d=2, nilai parameter epsilon = 0.0001 dan maksimal iterasi = 70.