<![CDATA[Perkembangan teknologi informasi saat ini telah memungkinkan identifikasi buah berdasarkan ciri warna melalui pemrosesan citra digital. Proses ini memanfaatkan kamera untuk mengambil gambar buah, yang kemudian diolah menggunakan perangkat lunak komputer dengan teknik pengolahan citra digital untuk menentukan tingkat kematangan buah secara efisien. Penelitian ini fokus pada penggunaan metode ekstraksi fitur warna berbasis mean RGB untuk klasifikasi tingkat kematangan buah alpukat, yang merupakan salah satu buah tropis unggulan di Indonesia. Alpukat, sebagai buah yang tumbuh subur di daerah tropis seperti Indonesia, memerlukan penentuan tingkat kematangan yang tepat untuk memaksimalkan umur simpan dan menghindari kerusakan. Oleh karena itu, penelitian ini mengaplikasikan algoritma K-Nearest Neighbor (KNN) dalam proses klasifikasi kematangan alpukat. Algoritma KNN, yang dikenal karena kemampuannya dalam mengidentifikasi pola dengan membandingkan jarak fitur, digunakan untuk mengelompokkan data berdasarkan kemiripan warna dan ciri-ciri lainnya. Tujuan dari penelitian ini adalah untuk mengevaluasi efektivitas algoritma KNN dalam memprediksi tingkat kematangan alpukat dan meningkatkan akurasi prediksi melalui analisis struktur warna buah. Penelitian ini diharapkan dapat memberikan kontribusi signifikan terhadap pengembangan metode prediksi kematangan buah serta membuka peluang baru dalam penerapan teknologi data mining dalam bidang pertanian, khususnya untuk panen alpukat.]]>
