Kelapa sawit (Elaeis Guineensis Jacq.) merupakan salah satu tanaman penghasil minyak nabati. Minyak nabati dihasilkan dari kelapa sawit yang dikenal dengan minyak sawit mentah Crude Palm Oil. Proses atau penentuan tingkat kematangan buah sawit secara umum masih dilakukan secara manual dengan menentukan berdasarkan jumlah buah yang jatuh di sekitar pohon sawit. Identifikasi dengan cara ini memiliki tingkat akurasi yang beragam, karena itu penelitian ini membuat sistem identifikasi kematangan buah sawit yang dapat di implemntasi pada robot pemetitik. Metode yang diusulkan dievaluasi menggunakan dataset local yang terdiri dari 160 citra dari 3 kelas yaitu mentah, setengah matang dan matang. Pengambilan ekstraksi fitur menggunakan algoritma ciri tekstur. Algoritma klasifikasi menggunakan metode k-Nearest Neighbor (k-NN) dan Linear Discriminant Analysis (LDA) dengan 160 data citra buah dibagi menjadi 70 data latih dan 90 data uji berdasarkan kelas kategori mentah 30 data citra, setengah matang 30 data citra dan matang 30 data citra. Metode k-Nearest Neighbor (k- NN) dengan parameter jarak Euclidean, Minkowski, Manhattan, Chebychev dan Mahalanobis dengan nilai k=1, k=3, k=5, k=7 dan k=9. Secara keseluruhan rata-rata akurasi pada klasifikasi KNN mencapai akurasi terendah 86,66% pada metode Manhattan k = 9 dan akurasi tertinggi 100% pada metode Euclidean k = 1, Minkowski k = 1, Manhattan k = 1, Chebychev k = 1 dan Mahalanobis k = 1, k = 3. Sedangkan klasifikasi metode LDA mendapatkan hasil akurasi sebesar 91,11%.
Kata kunci: Kelapa sawit, Ekstraksi fitur, Klasifikasi, K-Nearest Neighbor, Linear Discriminant Analysis.