Pengenalan jenis serat kain kaos secara visual masih menjadi permasalahan bagi UMKM karena keterbatasan akses terhadap pengujian laboratorium. Kesalahan identifikasi serat kain dapat menyebabkan ketidaktepatan pemilihan tinta sablon yang berdampak pada penurunan kualitas dan daya tahan hasil cetak. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis serat kain kaos berbasis citra digital menggunakan ekstraksi fitur tekstur Gray Level Co-Occurrence Matrix (GLCM) dan Local Binary Pattern (LBP), serta membandingkan performa algoritma Jaringan Saraf Tiruan Backpropagation (JST-BP) dan K-Nearest Neighbor (KNN) pada berbagai variasi resolusi kamera dan pencahayaan. Penelitian dilakukan pada lima jenis kain kaos, yaitu cotton combed, cotton ring spun, cotton bamboo, rayon, dan spandex. Akuisisi citra menggunakan digital microscope dengan tiga variasi resolusi kamera (640×480, 1280×960, dan 1920×1080 piksel) serta tiga tingkat pencahayaan (lampu LED USB 2 watt, 5 watt, dan 10 watt). Dataset diekstraksi menggunakan metode GLCM dan LBP, kemudian diklasifikasikan menggunakan algoritma JST-BP dan KNN dengan rasio pembagian data latih dan data uji sebesar 70:30. Hasil pengujian menunjukkan bahwa metode LBP menghasilkan akurasi rata-rata yang lebih tinggi dibandingkan GLCM. Kombinasi LBP dengan KNN menunjukkan performa yang paling stabil terhadap perubahan resolusi dan pencahayaan. Akurasi tertinggi mencapai 100% pada beberapa kombinasi pengujian, khususnya pada resolusi 1280×960 piksel dengan pencahayaan 2 watt menggunakan fitur LBP baik pada algoritma JST-BP maupun KNN. Sebaliknya, GLCM menunjukkan penurunan akurasi pada resolusi rendah dan pencahayaan tinggi. Penelitian ini membuktikan bahwa metode ekstraksi fitur memiliki pengaruh yang lebih dominan dibandingkan algoritma klasifikasi dalam menentukan akurasi sistem. Hasil penelitian ini diharapkan dapat menjadi solusi praktis bagi UMKM dalam mengidentifikasi jenis serat kain secara cepat dan akurat, serta meningkatkan kualitas hasil sablon pada produk kaos.