Penentuan tingkat kematangan buah alpukat merupakan faktor penting dalam
menjaga kualitas, rasa, serta masa simpan buah sebelum didistribusikan ke
konsumen. Pengamatan secara manual oleh petani atau pedagang sering kali bersifat
subjektif dan kurang akurat, sehingga diperlukan pendekatan berbasis teknologi
untuk menghasilkan klasifikasi yang lebih objektif. Salah satu solusi yang dapat
diterapkan adalah pengolahan citra digital dengan analisis warna sebagai indikator
utama tingkat kematangan. Penelitian ini bertujuan untuk mengembangkan sistem
klasifikasi tingkat kematangan buah alpukat berdasarkan warna citra menggunakan
metode K-Means Clustering. Proses penelitian meliputi beberapa tahapan, yaitu
pengumpulan dataset berupa citra buah alpukat dengan tiga kategori tingkat
kematangan (mentah, setengah matang, dan matang), tahap preprocessing berupa
resize, segmentasi, dan masking untuk memastikan citra yang seragam, serta
konversi ke ruang warna HSV yang lebih stabil terhadap pencahayaan. Hasil
penelitian
menunjukkan bahwa metode K-Means Clustering mampu
mengelompokkan citra alpukat sesuai dengan tingkat kematangannya. Dari total
data uji yang digunakan, sistem memperoleh akurasi mencapai 91,67% dengan nilai
F1-Score makro sebesar 91,67%. Kesimpulan dari penelitian ini adalah bahwa
metode K-Means efektif digunakan untuk klasifikasi tingkat kematangan buah
alpukat berdasarkan analisis warna citra. Sistem ini berpotensi menjadi alat bantu
praktis bagi petani, distributor, maupun konsumen dalam menentukan tingkat
kematangan alpukat secara lebih akurat, efisien, dan konsisten.
Kata kunci: Klasifikasi, alpukat, pengolahan citra, K-Means, warna citra