<![CDATA[Identifikasi tingkat kematangan daun pandan (Pandanus amaryllifolius) selama ini dilakukan secara visual sehingga bersifat subjektif dan berpotensi menghasilkan penilaian yang tidak konsisten. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis yang mengelompokkan kematangan daun pandan ke dalam dua kelas, yaitu daun muda dan daun tua, berdasarkan fitur warna citra digital menggunakan algoritma K-Nearest Neighbors (KNN). Sebanyak 20 citra diperoleh menggunakan kamera digital dengan pencahayaan alami, kemudian melalui pra-pemrosesan berupa cropping dan resizing, serta dibagi menjadi 16 citra data latih dan 4 citra data uji. Ekstraksi fitur dilakukan dengan mengonversi ruang warna RGB ke HSV (Hue, Saturation, Value), lalu menghitung nilai rata-rata dan standar deviasi setiap komponen sebagai vektor fitur. Klasifikasi dilakukan menggunakan KNN dengan metrik Euclidean Distance pada nilai K = 1, K = 3, dan K = 5, serta diimplementasikan pada MATLAB R2017a. Hasil pengujian menunjukkan accuracy, precision, recall, dan F1-score sebesar 100% pada keempat citra data uji untuk seluruh nilai K. Kontribusi penelitian ini terletak pada kombinasi fitur warna HSV dan algoritma KNN sebagai alternatif identifikasi yang lebih objektif dibandingkan pengamatan visual. Karena dataset yang digunakan berukuran kecil dan tanpa penerapan cross-validation, hasil tersebut bersifat preliminary dan memerlukan validasi pada dataset yang lebih besar dan lebih beragam.]]>
