Proses klasifikasi mutu buah pepaya dengan cara konvensional menggunakan visual mata manusia memiliki kelemahan di antaranya yaitu membutuhkan tenaga lebih banyak untuk memilah, tingkat persepsi manusia yang berbeda, tingkat konsistensi manusia dalam menilai mutu buah tidak menjamin karena manusia dapat mengalami kelelahan. Penelitian ini bertujuan merancang dan menyusun program pengolahan citra digital dan algoritma k-Nearest Neighbor untuk klasifikasi pemutuan buah pepaya (Carica Papaya L) Calina IPB-9 ke dalam tiga kelas mutu yaitu kelas Super, A, dan B. Fitur tekstur yang diekstrak meliputi nilai energy, entropy, contras, homogeneity, invers difference moment, variance, dan dissimilarity yang didapatkan berdasarkan GLCM (gray level cooccurrence matrices). Fitur-fitur tersebut dijadikan sebagai input pada algoritma k-Nearest Neighbor untuk menghitung jarak. Hasil pengujian menggunakan jumlah k tetangga 9 menunjukan tingkat akurasi sebesar 88,88%.