<![CDATA[Identifikasi jenis bunga anggrek (Orchidaceae) merupakan salah satu tantangan dalam bidang pengolahan citra digital, mengingat keberagaman bentuk dan warna pada setiap spesies. Penelitian ini bertujuan untuk mengimplementasikan metode Grey Level Co-occurrence Matrix (GLCM) dan K-Nearest Neighbor (KNN) dalam mengidentifikasi jenis bunga anggrek. GLCM digunakan untuk mengekstraksi fitur tekstur pada gambar bunga anggrek, seperti kontras, korelasi, energi, dan homogenitas, yang dapat menggambarkan pola tekstur spesifik pada setiap jenis bunga. Fitur-fitur yang diperoleh kemudian digunakan sebagai input dalam metode klasifikasi KNN untuk mengklasifikasikan gambar bunga anggrek ke dalam kategori spesies yang sesuai. Dataset yang digunakan terdiri dari citra berbagai jenis bunga anggrek, yang telah melalui proses pra-pemrosesan seperti konversi ke grayscale, normalisasi ukuran, dan segmentasi objek bunga dari latar belakang. Proses pelatihan dilakukan dengan membagi dataset menjadi 80% data training dan 20% data testing. Evaluasi performa dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kombinasi metode GLCM dan KNN dapat memberikan akurasi identifikasi yang tinggi, membuktikan efektivitasnya dalam mengenali variasi jenis bunga anggrek berdasarkan karakteristik tekstur citra. Dari hasil pengujian, sistem yang dikembangkan mencapai akurasi sebesar 78,95%, yang menunjukkan kinerja yang cukup baik untuk klasifikasi awal. Penelitian ini diharapkan dapat menjadi kontribusi dalam pengembangan sistem identifikasi otomatis untuk tanaman anggrek, yang berguna bagi bidang botani, konservasi, serta mendukung digitalisasi data flora. Pengembangan lebih lanjut dapat dilakukan dengan memperluas jumlah data, menggabungkan fitur warna atau bentuk, serta menguji algoritma klasifikasi lain untuk meningkatkan akurasi dan keandalan sistem.]]>
