Pesatnya perkembangan teknologi dalam bidang pemrosesan citra telah membuka banyak kemungkinan aplikasi dan pendekatan baru. Citra digital kini memegang peranan penting dalam berbagai disiplin ilmu informatika. Dalam konteks ini, program pengolah gambar yang berfokus pada konversi warna menjadi sangat relevan. Tugas akhir ini memanfaatkan metode konversi intensitas warna RGB untuk mempermudah proses identifikasi dan pemrosesan intensitas gambar.Ruang warna adalah model matematis yang merepresentasikan warna dalam format numerik. Dalam penelitian ini, pemrosesan citra Pisang Cavendish digunakan untuk mengidentifikasi tingkat kematangan dengan mengubah ruang warna RGB. Proses ini melibatkan pengukuran rata-rata intensitas dari tiga warna dasar—merah, hijau, dan biru— kemudian menerapkan algoritma K-Nearest Neighbors (KNN) yang populer dalam pembelajaran mesin. Algoritma KNN berfungsi dengan mencari objek yang paling mirip dengan objek yang ingin diprediksi kelasnya, dan menggunakan kelas dari objek-objek tersebut untuk menentukan kelas dari objek yang akan diprediksi.Dalam penelitian ini, data yang digunakan terdiri dari 140 dataset Pisang Cavendish, yang dibagi menjadi 70 citra Pisang Cavendish untuk masing-masing tipe kematangan: matang dan mentah. Hasil pengujian menunjukkan bahwa tingkat akurasi sistem deteksi tingkat kematangan Pisang Cavendish mencapai 96,7%, dengan jumlah K yang paling optimal adalah 3.

Kata Kunci: Identifikasi, Citra Pisang Cavendish, RGB, KNN, Matlab