Penelitian ini bertujuan untuk membangun sistem klasifikasi otomatis guna
mengidentifikasi tingkat kematangan ceri kopi Robusta berbasis citra digital,
dengan memanfaatkan kombinasi algoritma Principal Component Analysis (PCA)
untuk reduksi dimensi dan K-Nearest Neighbor (KNN) sebagai metode klasifikasi.
Dataset terdiri dari 150 citra ceri kopi Robusta dengan pembagian 80% sebagai data
latih dan 20% sebagai data uji. Sistem ini dirancang dalam bentuk antarmuka
aplikasi GUI berbasis MATLAB, yang terdiri dari fitur unggah citra, ekstraksi nilai
RGB, reduksi PCA menjadi nilai PC1 dan PC2, klasifikasi KNN, serta evaluasi
performa. Hasil klasifikasi ditampilkan secara real-time dan dapat disimpan dalam
format Excel. Untuk masing-masing kelas, diperoleh nilai precision, recall, dan F1-
score sebesar 0.90 untuk kelas mentah dan setengah matang, serta nilai sempurna
1.00 untuk kelas matang. Evaluasi sistem dilakukan menggunakan confusion
matrix, dengan hasil klasifikasi menunjukkan akurasi keseluruhan mencapai
93,33%. Hal ini menunjukkan bahwa kombinasi PCA dan KNN yang di
implementasikan pada sistem mampu mengenali pola warna RGB yang
direpresentasikan dalam PC1 dan PC2 secara efisien dan objektif.
Kata Kunci: Klasifikasi, PCA, KNN, RGB, Citra Digital, Kopi Robusta, GUI
MATLAB.