Perkembangan teknologi kecerdasan buatan telah dimanfaatkan dalam berbagai bidang, termasuk pertanian, untuk membantu proses identifikasi dan klasifikasi buah secara otomatis. Tomat merupakan komoditas hortikultura bernilai ekonomi tinggi, namun penentuan kualitasnya masih sering dilakukan secara manual sehingga memerlukan waktu, tenaga, dan ketelitian, serta berpotensi menimbulkan penilaian subjektif. Penelitian ini bertujuan membandingkan metode Naive Bayes dan K-Nearest Neighbor dalam klasifikasi buah tomat berdasarkan fitur tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM), yaitu contrast, correlation, energy, dan homogeneity. Dataset terdiri dari 200 citra tomat dari 40 buah tomat, masing-masing difoto dari lima sisi, dengan komposisi seimbang antara layak jual dan tidak layak jual, kemudian dibagi dengan rasio 70:30. Tahapan penelitian meliputi akuisisi citra, preprocessing, ekstraksi fitur, klasifikasi, dan evaluasi menggunakan confusion matrix, akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Naive Bayes memperoleh akurasi 80%, precision 72,50%, recall 96,67%, dan F1-score 82,86%, sedangkan K-Nearest Neighbor memperoleh akurasi 75%, precision 67,44%, recall 64,44%, dan F1-score 65,91%. Berdasarkan hasil tersebut, Naive Bayes menjadi metode terbaik untuk klasifikasi buah tomat berbasis fitur tekstur GLCM.

Kata kunci: Klasifikasi buah tomat, Naive Bayes, K-Nearest Neighbor, GLCM, pengolahan citra digital