Sistem komputerisasi semakin dibutuhkan seiring dengan perkembangan teknologi saat ini. Salah satu sistem komputerisasi yang butuh pengujian serta pengembangan sistem lebih lanjut ialah klasifikasi citra digital. Salah satu topik yang dapat diangkat ialah tentang tingkat kematangan buah. Alpukat (Perseaamericana mill) merupakan tanaman yang dapat tumbuh subur di daerah tropis seperti Indonesia dan merupakan salah satu jenis buah yang digemari masyarakat. Alpukat Memiliki nilai warna yang mirip disetiap tingkat kematangan buah, menjadi hal yang menarik untuk dibahas dan menjadi fokus utama dalam penelitian ini. Penelitian ini mendeskripsikan optimasi dengan menggunakan algoritma K-Nearest Neighbor Clasifier untuk memperoleh hasil klasifikasi yang lebih efektif. Tujuan dari penelitian ini ialah menguji keakuratan dari optimasi algoritma k-nearest neighbor pada klasifikasi tingkat kematangan buah alpukat. Pengujian dilakukan dengan memperoleh nilai data training dan melakukan uji sistem. Data uji training menggunakan tiga objek jenis alpukat yang berbeda yaitu matang, setengah matang dan mentah. Sedangkan pengujian pada sistem dilakukan dengan melakukan input data berupa 14 sampel alpukat ke sistem yang telah dirancang. Sample buah alpukat berupa gambar berekstensi .jpg dan .png yang terdiri dari 4 sampel alpukat setengah matang. 5 sampel alpukat matang dan 5 sampel alpukat mentah. Hasil dari optimasi dari algoritma ini memperoleh nilai keakuratan sebesar 78,56 %. Selain itu, optimasi algortitma ini mampu meminimalisir hasil kesalahan prediksi akibat nilai range diluar jangkauan dan mampu mengoptimalisasi bobot Persentase Nilai Training setiap uji citra dalam menentukan hasil klasifikasi.