Penelitian ini fokus pada identifikasi kematangan cabai rawit (Capsicum annuum L.) menggunakan metode momen warna dan Support Vector Machine(SVM). Cabai rawit memiliki nilai ekonomi yang tinggi dalam industri pertanian, namun identifikasi kematangan yang cepat dan akurat masih menjadi tantangan. Metode momen warna digunakan untuk mengekstraksi fitur dari citra cabai rawit, sementara SVM digunakan untuk klasifikasi berdasarkan fitur yang diekstraksi. Penelitian ini memperluas penggunaan data dan mengoptimalkan parameter SVM untuk meningkatkan akurasi identifikasi. Hasil penelitian menunjukkan bahwa model klasifikasi menggunakan metode SVM berhasil mengklasifikasikan tingkat kematangan cabai dengan akurasi 82%, yang dikategorikan sebagai baik, dengan rincian presisi 66.67%, recall 83.33%, dan F-measure 74.07% untuk kategori "matang." Kategori "muda" berhasil mencapai presisi dan recall sempurna yaitu 100%, serta F-measure 100%. Sementara kategori "setengah" mencapai presisi 80.00%, recall 77.42%, dan F-measure 78.73%. Namun, terdapat beberapa kesalahan klasifikasi yang disebabkan oleh masalah dominansi warna yang tidak sesuai pada beberapa citra. Oleh karena itu, penelitian ini memberikan kontribusi dalam pengembangan teknik identifikasi kematangan cabai yang lebih akurat dan efisien. Saran untuk penelitian mendatang melibatkan evaluasi lebih lanjut dengan data uji yang lebih luas, perbaikan metode klasifikasi, dan pertimbangan penggunaan fitur tambahan untuk meningkatkan akurasi klasifikasi. Penelitian ini dapat memberikan manfaat ilmiah dan praktis dalam pengolahan citra, machine learning, dan industri pertanian.

Kata Kunci : Cabai Rawit, Momen Warna, Support Vector Machine.