Tomat (Lycopersicon esculentum Mill.) merupakan tanaman hortikultura, banyak dibudayakan oleh petani di Indonesia karena berpotensi, menyehatkan dan mempunyai prospek pasar cukup menjanjikan, dibidang industri bisnis tomat bisa diolah menjadi saus tomat, kosmetik dan suplemen makanan. Umumnya, untuk mengidentifikasi tingkat kematangan masih dikerjakan secara manual, identifikasi dengan cara ini memiliki tingkat akurasi yang beragam, karena itu penelitian ini membuat sistem identifikasi kematangan tomat yang dapat di implemntasi pada robot pemetik. Pada sistem ini, citra tomat diakusisi dengan beberapa algortima agar dapat diklasifikasikan menjadi tiga kelas kematangan yaitu matang, setengah matang dan mentah. Algoritma yang dibentuk mengunakan deteksi ROI kemudian dilakukan transformasi ruang warna dari RGB ke HSV. Segmentasi yang dipakai pada sistem addalah Thresholding pada HSV channel S. Pengambilan ekstraksi fitur menggunakan algoritma ciri warna YIQ. Algoritma klasifikasi menggunakan KNN dengan parameter jarak Euclidean, Minkowski dan Manhattan dengan nila k=3, k=5, k=7 dan k=11. Data yang digunakan 90 teridiri dari 54 data latih dan 36 data uji. Hasil pengujian mendapatkan akurasi tertinggi dari semua k Manhattan sebesar 100% dan akurasi terendah didapat pada Euclidean dan Minkowski k=3, k=5 dan k=7 sama dengan sebesar 91,67%.