79 Klasifikasi Citra Digital Berbasis Ekstraksi Ciri Berdasarkan Tekstur Menggunakan GLCM Dengan Algoritma K-Nearest Neighbor Dani Rohpandi 1 , Asep Sugiharto 2 , M Yoga Sukma Jati 3 Teknik Informatika, STMIK Tasikmalaya Jl. R.E. Martadinata No. 272 A Tasikmalaya, Telp. (0265) 310830 e-mail: danirtms@gmail.com 1 , asepsugiharto@yahoo.com 2 , yogasukmajati@gmail.com 3 Abstrak Pemrosesan citra adalah ilmu untuk memanipulasi gambar, yang melingkupi teknik-teknik untuk memperbaiki atau mengurangi kualitas gambar, menampilkan bagian tertentu dari gambar, membuat sebuah gambar yang baru dari beberapa bagian gambar yang sudah ada, dan beberapa teknik manipulasi gambar lainnya. Suatu citra yang mempunyai kontras rendah dapat dihasilkan dari sumber citra dengan proses pencahayaan atau penerangan yang rendah atau karena adanya kesalahan setting pada saat pengambilan citra berlangsung. Metode GLCM (Gray Level Co- occurence Matrix) adalah satu cara mengekstrakfitur tekstur statistik orde kedua, matriks GLCM mampu menangkap sifat tekstur tetapi tidak secara langsung dapat digunakan sebagai alat analisi, misalnya membandingkan dua tekstur. Fitur-fitur yang dihasilkan oleh metode ekstraksi ciri kemudian akan digunakan sebagai masukan proses klasifikasi. K-NN adalah sebuah metode klasifikasi yang tangguh terhadap data training yang noisy dan efektif apabila datanya besar. Metode penelitian yang digunakan adalah metode eksperimen, yang bertujuan untuk mengidentifikasi hubungan sebab akibat dari satu alau lebih variabel terikat dengan melakukan manipulasi variabel bebas pada suatu keadaan yang terkendali. Hasil yang didapatkan, klasifikasi dengan menggunakan ekstraksi ciri GLCM 4 arah dimana menggunakan Energi dengan nilai rata-rata 55,99%, Metode K-Nearest Neighbor dapat menghasilkan akurasi yang diharapkan pada sistem klasifikasi. Kata kunci: Klasifikasi, Citra Digital, Ekstraksi, GLCM, K-Nearest Neighbor. Abstract Image processing is a science for manipulating images, which encompasses techniques for improving or reducing image quality, displaying certain parts of an image, creating a new image from several parts of an existing image, and some other image manipulation techniques. An image with low contrast can be generated from the image source by low lighting or lighting process or due to errors setting when image capture takes place. The GLCM method (Gray Level Co- occurrence Matrix) is one way of extracting second-order statistical texture features, GLCM matrices capable of capturing textural properties but not directly applicable as analytical tools, eg comparing two textures. The features produced by characteristic extraction methods will then be used as classification inputs. K-NN is a powerful method of classification of noisy and effective training data when the data is large. The research method used is the experimental method, which aims to identify the causal relationship of one or more dependent variables by manipulating the independent variables in a controlled state. The results obtained, classification by using 4-way GLCM characteristic extraction where using Energy with an average value of 55.99%, K-Nearest Neighbor method can produce the expected accuracy in the classification system. Keywords: Classification, Digital Image, Extraction, GLCM, K-Nearest Neighbor.