Klasifikasi buah lokal berdasarkan nama famili memiliki peranan penting dalam
mendukung pelestarian keanekaragaman hayati serta pengembangan basis data
agrikultural. Penelitian ini bertujuan untuk mengklasifikasikan buah-buahan lokal
berdasarkan nama famili botani menggunakan algoritma Random Forest. Dataset
yang digunakan mencakup citra buah dari lima famili utama, yaitu Anacardiaceae,
Annonaceae, Moraceae, Myrtaceae, dan Rutaceae. Setiap citra buah terlebih
dahulu melalui proses ekstraksi fitur menggunakan metode Local Binary Pattern
(LBP) dan HSV (Hue, Saturation, Value) untuk memperoleh representasi
karakteristik tekstur dan warna. Ekstraksi fitur ini bertujuan untuk meningkatkan
kemampuan model dalam mengenali pola-pola visual antar famili buah. Setelah itu,
fitur yang diperoleh diklasifikasikan menggunakan algoritma Random Forest, yang
dikenal efektif dalam menangani data berdimensi tinggi serta memiliki kinerja baik
pada masalah klasifikasi multikelas. Hasil pengujian menunjukkan bahwa model
mampu mengklasifikasikan buah lokal dengan akurasi sebesar 69%, yang
menunjukkan kinerja cukup baik dalam mengenali famili buah berdasarkan citra.
Evaluasi performa dilakukan menggunakan metrik seperti accuracy, precision,
recall, dan F1-score, yang menunjukkan bahwa model memiliki stabilitas dalam
klasifikasi antar famili. Penelitian ini diharapkan dapat memberikan kontribusi
dalam pengembangan sistem identifikasi buah secara digital berbasis kecerdasan
buatan, serta mendukung penerapan teknologi pertanian presisi di masa depan.