Acne is a lump that usually occurs on facial skin. Acne can also arise due to the pilosebaceous unit gland's inflammation due to keratin blockage in the skin. This study discusses the classification of acne types on the face using the Gray Level CoOccurance Matrix (GLCM) feature and the K-Nearest Neighbor (KNN) method. The stages in the GLCM method use the parameters Contrast, Correlation, Energy, and Homogeneity and use the directions of 0 degrees, 45 degrees, 90 degrees, and 135 degrees. The purpose of this study was to classify the types of acne. To get the value of each parameter, we must use the grayscale image feature. There are four acne types, namely cystic acne, pustular acne, blackhead, and whitehead. The total image data used is 80 image data, of which 60 image data is used for training data, and 20 image data is used as test data. All images are 255 x 255 pixels in size to simplify the classification process. The classification results using the GLCM feature show an overall accuracy rate of 70%

Jerawat adalah benjolan-benjolan yang biasa terjadi pada kulit wajah. Jerawat juga bisa timbul akibat terjadinya peradangan dari kelenjar unit pilosebaseus dikarenakan adanya penyumbatann keratin pada kulit. Penelitian ini membahas tentang klasifikasi jenis jerawat pada wajah dengan menggunakan fitur Gray Level CoOccurance Matrix (GLCM) dan metode K-Nearest Neighbor (KNN). Tahapan pada metode GLCM ini menggunakan parameter Contrast, Correlation, Energy, dan Homogeneity serta menggunakan arah 0 derajat, 45 derajat, 90 derajat, dan 135 derajat. Tujuan dari penelitian ini untuk mengklasifikasikan jenis jerawat. Untuk mendapatkan nilai dari masing-masing parameter harus menggunakan fitur citra grayscale. Jenis jerawat yang digunakan adalah 4 jenis, yaitu acne cystic, acne pustular, blackhead, dan whitehead. Total data citra yang digunakan sebanyak 80 data citra, yang mana 60 data citra digunakan untuk data latih dan 20 data citra digunakan sebagai data uji. Semua citra berukuran 255 x 255 piksel untuk mempermudah proses klasifikasi. Hasil klasifikasi menggunakan fitur GLCM menunjukkan tingkat akurasi keseluruhan sebesar 70%.