Pengenalan atau Deteksi kematangan buah pisang dalam penelitian ini dibagi menjadi dua kelompok yaitu Belum Matang dan Matang. Penelitian ini bertujuan untuk mengklasifikasi tingkat kematangan berdasarkan citra buah pisang dengan menggunakan metode fitur ekstraksi yaitu gray level co-occurrence matrix. Metode penelitian ini terdiri dari : konversi data rgb ke grayscale, normalisasi citra, deteksi kematangan, ekstraksi fitur dan klasifikasi. Dalam penelitian ini digunakan data latih sebanyak 100 citra pisang yang merupakan data public yang diambil dari sebuah penyedia dataset dengan nama Tier-Based Dataset : Musa – Acuminata Banana Fruit Species. Data tersebut terdiri dari tingkat kematangan di atas dan masing-masing kematangan buah pisang terdiri dari Matang 50, dan Belum Matang 50. Data citra tersebut diolah menjadi citra grayscale yang kemudian dilakukan deteksi tingkat kematangan buah pisang. Setelah didapat kematangan buah pisang kemudian dilakukan pedeteksian pada bagian kematangan yang ditemukan. Yang selanjutnya dilakukan perhitungan ciri menggunakan gray level co-occurrence matrix. Algoritma yang digunakan untuk proses klasifikasi adalah algoritma k-nearest neighbor. Hasil akhir pengujian menunjukkan bahwa metode yang diusulkan telah mampu mendeteksi kematangan dengan hasil akurasi yang digitung menggunakan confusion matrix sebesar 76 %. Dengan demikian penerapan metode gray level co-occurrence matrix dan k-nearest neighbor pada masalah deteksi tingkat kematangan perlu dikembangkan lagi hasil akurat.