Buah naga merupakan buah yang disukai oleh konsumen dari banyak kalangan yang bernilai jual tinggi. Kualitas buah naga salah satunya ditentukan oleh tingkat kematangan buah yang dapat diamati dari warna buah dan ukuran buah nya. Tingkat kematangan buah erat kaitanya dengan mutu produk yang dihasilkan, sehingga berpengaruh terhadap harga jual yang diterima oleh petani. Ekstraksi fitur adalah proses pengambilan ciri sebuah objek yang dapat menggambarkan karakteristik dari objek tersebut. Pada penelitian ini, ada dua metode yang digunakan untuk melakukan klasifikasi yaitu histogram dan k-Nearest Neighbor (KNN) yang dilakukan pada objek buah naga dalam menentukan tingkat kematangannya. Pada metode histogram ini sendiri ada 4 tahap yang dilakukan yaitu bin 4, bin 8, bin 16 serta bin 32 dengan tujuan untuk memperkecil bin warna yang akan digunakan sebagai fitur citra. Serta KNN bertujuan untuk mengelompokkan hasil ciri berdasarkan data uji yang jaraknya paling dekat dengan objek buah naga tersebut dengan menggunakan 3 jarak yaitu Euclidean, Manhattan dan Minkowski. Algoritmayang di bentuk menggunakan pre-procesing kemudian dilakukan transformasi dari ruang warna RGB ke grayscale dan di lanjut proses ekstraksi fitur.algoritma klasifikasi menggunakan K-Nearest Neigbor (KNN) dengan parameter jarak K=3 data yang digunakan 95 data citra, terdiri dari 63 data citra latih dab 32 data citra uji hasil pengujian metode KNN sesuai di implementasikan pada penelitian ini dengan akurasi 99,25%.