Identifikasi tingkat kematangn buah naga dalam penelitian ini dibagi menjadi dua kelompok kematangan buah naga yaitu kelompok mentah dan kelompok matang. Penelitian ini bertujuan untuk dapat mengklasifikasi tingkat kematangn berdasarkan citra buah naga dengan menggunakan metode fitur ekstraksi yaitu gray level co-occurrence matrix (GLCM). Metode penelitian ini terdiri dari: konversi data rgb ke grayscale, normalisasi citra, deteksi kematangan buah naga, ekstraksi fitur dan identifikasi. Pengumpulan data yang diambil dari data real berjumlah 60 image yang dipakai dalam penelitian ini terdiri 40 data training dan 20 data testing yang merupakan data image RGB dengan format JPG. Masing- masing data terdiri dari 2 kategori kematangan, untuk data training terdiri dari 20 image buah naga matang 99% dan 20 image buah naga matang 85%. Sedangkan untuk data testing terdiri dari 10 image buah naga matang 99% dan 10 image buah naga matang 85%. Data citra tersebut diolah menjadi citra grayscale yang kemudian dilakukan deteksi kematangan buah naga. Setelah didapat kematangan buah naga kemudian dilakukan segmentasi pada bagian lokasi buah naga yang ditemukan. Selanjutnya dilakukan perhitungan ciri menggunakan Gray Level Co-Occurrence Matrix (GLCM). Algoritma yang digunakan untuk proses identifikasi adalah algoritma Artificial Neural Network (ANN). Hasil akhir pengujian menunjukkan bahwa metode yang diusulkan telah mampu mendeteksi kematangan buah naga dengan hasil akurasi = 9/10* 100% = 90% yang dihitung menggunakan confusion matrix Dengan demikian penerapan metode Gray Level Co-Occurrence Matrix dan Artificial Neural Network pada masalah tingkat kematangan buah naga perlu dikembangkan.