Cabai rawit (Capsicum frutescens) merupakan tanaman yang banyak dibudidayakan petani di Indonesia karena memiliki nilai ekonomis tinggi, salah satu contohnya di bidang industri adalah dengan maraknya bisnis sambal kemasan baik sambal terasi maupun sambal hijau. Pada pembuatan sambal kemasan, proses pengendalian mutu sangat penting karena itu penelitian ini membuat sistem pendeteksi kematangan cabai yang dapat diimplementasi pada mesin. Pada sistem ini, citra cabai yang diakuisisi diolah dengan beberapa algoritma pengolahan citra agar dapat diklasifikasi menjadi tiga kelas kematangan yaitu mentah, setengah matang, atau matang. Algoritma yang dibentuk menggunakan transformasi ruang warna dari RGB ke CIELAB dilanjutkan dengan median filter, thresholding, dan morfologi. Segmentasi yang dipakai pada sistem adalah Otsu channel b*(CIELAB). Algoritma klasifikasi yang dipakai adalah KNN dengan parameter jarak Euclidean, Manhattan, atau Mahalanobis dengan nilai k 3, 7, atau 11. Sistem ini menghasilkan performa yang baik dengan akurasi minimal 91,67% pada Euclidean k=11 dan Manhattan k=11. Akurasi maksimal didapat sebesar 98,33% pada Mahalanobis k=7. Secara keseluruhan, sistem yang dibuat dapat membedakan kematangan cabai dengan baik dan berpotensi untuk diimplementasikan pada bidang industri. Keywords: Pengolahan Citra, CIELAB, Thresholding, Segmentasi Otsu, Klasifikasi, K-Nearest Neighbor, KNN, Euclidean, Manhattan, Mahalanobis.