<![CDATA[Alpukat (Perseaamericana mill) merupakan tanaman yang dapat tumbuh subur di daerah tropis seperti Indonesia dan merupakan salah satu jenis buah yang digemari masyarakat karena selain rasanya yang enak juga kandungan antioksidannya yang tinggi. Alpukat Memiliki nilai warna yang mirip disetiap tingkat kematangan buah, menjadi hal yang menarik untuk dibahas dan menjadi fokus utama dalam penelitian ini, K-Nearest Neigtbor Classifier (k-NN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Tujuan dari penelitian ini adalah menguji keakuratan algoritma k-nearest neighbor pada klasifikasi tingkat kematangan buah alpukat. Pengujian dilakukan dengan memperoleh nilai data training dan melakukan uji sistem. Data uji pelatihan menggunakan tiga objek jenis alpukat yang berbeda yaitu matang, setengah matang dan mentah. Sedangkan pengujian pada sistem dilakukan dengan melakukan input data berupa 30 sampel alpukat ke sistem yang telah dirancang. Contoh buah alpukat berupa gambar berekstensi .jpg dan .png yang terdiri dari 9 sampel alpukat setengah matang. 10 sampel alpukat matang dan 11 sampel alpukat mentah. Hasil dari pengujian sistem ini memperoleh nilai keakuratan Tingkat keserasian yang mirip dari jenis ketiga menyempurnakan alpukat menjadi faktor utama dari minimnya perolehan nilai kekuratan sistem. Hasil dari optimasi dari algoritma ini memperoleh nilai keakuratan sebesar 78,56 %. Selain itu, optimasi algortitma ini mampu meminimalisir hasil kesalahan prediksi akibat nilai range diluar jangkauan dan mampu mengoptimalisasi bobot Persentase Nilai Training setiap uji citra dalam menentukan hasil klasifikasi.]]>
