Kematangan buah apel, khususnya jenis Fuji, merupakan faktor penting yang menentukan kualitas rasa dan nilai jual. Namun, membedakan tingkat kematangan apel secara visual sering kali sulit dilakukan karena kesamaan warna antara buah matang dan belum matang. Oleh karena itu, penelitian ini mengusulkan sistem klasifikasi otomatis berbasis citra digital untuk mengidentifikasi tingkat kematangan apel menggunakan fitur warna. Ekstraksi warna dilakukan menggunakan model ruang warna HSV Hue, Saturation, Value, yang lebih representatif dalam membedakan warna alami buah dibandingkan RGB. Algoritma Distance-Weighted K-Nearest Neighbors (DWKNN) diterapkan sebagai metode klasifikasi untuk meningkatkan akurasi, terutama pada data yang tidak seimbang. DWKNN memberikan bobot lebih besar pada tetangga terdekat dalam proses pengambilan keputusan, berbeda dari KNN konvensional yang memberi bobot sama pada seluruh tetangga. Dataset terdiri dari 400 gambar apel Fuji dengan dua kategori: matang dan belum matang. Proses penelitian mencakup beberapa tahap preprocessing diantaranya cropping, resize, ekstraksi fitur, klasifikasi, dan evaluasi kinerja menggunakan confusion matrix. Hasil percobaan menunjukkan bahwa metode WKNN dan DWKNN memiliki tingkat akurasi yang seimbang, dengan nilai akurasi tertinggi mencapai 93,75% pada konfigurasi tertentu. Meskipun secara kuantitatif keduanya menghasilkan performa yang setara, DWKNN menunjukkan kestabilan kinerja yang lebih konsisten pada berbagai variasi nilai K dan skema K- Fold. Hal ini menunjukkan bahwa DWKNN lebih tahan terhadap perubahan jarak antar data, sementara WKNN tetap mampu memberikan performa optimal pada kondisi tertentu. Secara keseluruhan, penelitian ini menunjukkan bahwa fitur warna HSV efektif dalam mengidentifikasi tingkat kematangan apel. Penelitian juga menunjukkan bahwa baik WKNN maupun DWKNN dapat berfungsi dalam sistem penyortiran buah berbasis gambar digital.
Kata Kunci: apel, classification, DWKNN, HSV