Jawapannyaya boleh. Dengan cara ini kuning telur akan berada di luar dan anak-anak mudah makan dan tidak perasan bahawa di dalam kuning telur itu ada putih telur. Pada masa yang sama untuk mengelakkan pembaziran putih telur yang tidak dimakan anak kita.Siapa di antara Anda semua suka telur rebus, tetapi ingin mencoba cara baru ini untuk menikmati makanan praktis dan bergizi ini? Jika demikian, Anda harus tahu cara merebus telur sehingga kuning di luar. Unik, kan? Seperti yang Anda ketahui, telur selalu memiliki bagian putih dan kuning. Idealnya, bagian putih selalu di luar untuk membungkus kuning telur. Saat direbus, ini akan sangat jelas. Tetapi dengan cara yang benar, Anda dapat mengubah dan membalikkan posisi telur ini. Bagaimana caranya? Untuk caranya sendiri, sebenarnya tidak terlalu sulit. Pertama, pertama -tama siapkan telur yang akan Anda coba masak ini. Ingat, telur harus mentah dan dalam cangkang yang sempurna. Langkah kedua, tol telur dengan selotip agar kulit telur tidak rusak saat diproses nanti. Setelah selesai, masukkan telur ke dalam stocking yang Anda miliki. Langkah ketiga, putar stocking telur ini sampai bergerak seperti bagian atas di tengah. Lakukan ini selama beberapa saat sampai posisi telur berbalik. Anda perlu menyiapkan air mendidih untuk langkah selanjutnya. Setelah air siap, tambahkan telur dan rebus telur seperti biasa sampai matang. Posisi telur terbalik ini hanya dapat terjadi jika telur dimasak dengan sempurna. Setelah dimasak, Anda dapat mencoba mengupas kulit telur ini. Mungkin tidak berhasil dalam percobaan pertama, Anda tidak perlu ragu untuk mencobanya lagi sampai Anda mendapatkan hasil yang sempurna. Agar lebih optimal, Anda dapat mencobanya pada beberapa telur yang berbeda dan memasaknya bersama. Dengan cara ini Anda akan mendapatkan hasil dari beberapa telur sekaligus dan mendapatkan hasil terbaik yang muncul dari percobaan ini. Variasi untuk kebiasaan makan telur Telur sendiri sebenarnya dapat diproses dengan berbagai cara, seperti direbus secara langsung, menggunakan cara untuk mengubah kuning dan kuning telur, bahkan mencampur telur kuning dan putih saat direbus. Bahkan jika Anda menginginkan variasi lain selain digoreng dan direbus, Anda juga dapat mengukus telur yang telah dicampur atau belum dicampur. Rasanya tentu saja akan seperti telur tetapi bentuk dan teksturnya bisa sedikit berubah sehingga ada variasi dan tidak membosankan. Itu adalah sekilas tentang cara merebus telur sehingga kuning di luar yang bisa Anda coba. Semoga bermanfaat!
2 Telur coklat lebih sehat ketimbang putih. Faktanya tidak banyak manfaat nutrisi yang signifikan, meski ada perbedaan rasa karena jenis ayam dan terasa lebih enak bagi sebagian orang. Jadi coklat atau putih, semuanya sama. 3. Makan kuning telur bikin gendut. Faktanya, kuning telur adalah bagian yang paling banyak nutrisi.
Egg quality is determined by the quality of the inside and outside of the egg. To find out the quality of eggs canbe by looking at the outside in the form of skin condition, shape, size, and egg weight. In this study a system isdesigned to function to determine the quality of egg quality based on color and texture features. Broadlyspeaking, the system built consists of 4 main processes. This process begins with pre-processing which aims toimprove image quality and also to change the image size. The next process is segmentation to get the egg next process is feature extraction which aims to get the characteristics of each egg object. The last processis a classification that aims to determine the class of egg images entered by the user, the method used is knearest neighbor. The data used in this study were 147 egg images consisting of 85 eggs of data testing and 62eggs of training data. The highest accuracy obtained from this study is with a value of 8 Discover the world's research25+ million members160+ million publication billion citationsJoin for free Jurnal TEKNIKa ISSN 2085-0859Volume 10. No. 2. Tahun 2018 e-ISSN 2620-4770KLASIFIKASI KUALITAS MUTU TELUR AYAM RAS BERDASARKAN FITURWARNA DAN TEKSTURMiftahus Sholihin1, M. Ghofar Rohman2Teknik Informatika, Fakultas Teknik,Universitas Islam LamonganJl. Veterran No. 53 A Lamongan Telp / Faks. 0322 324706 E-mail quality is determined by the quality of the inside and outside of the egg. To find out the quality of eggs canbe by looking at the outside in the form of skin condition, shape, size, and egg weight. In this study a system isdesigned to function to determine the quality of egg quality based on color and texture features. Broadlyspeaking, the system built consists of 4 main processes. This process begins with pre-processing which aims toimprove image quality and also to change the image size. The next process is segmentation to get the egg next process is feature extraction which aims to get the characteristics of each egg object. The last processis a classification that aims to determine the class of egg images entered by the user, the method used is k-nearest neighbor. The data used in this study were 147 egg images consisting of 85 eggs of data testing and 62eggs of training data. The highest accuracy obtained from this study is with a value of pre-processing, segmentation, feature extraction, classification1. PENDAHULUANSebagai salah satu bahan makanan yang dikonsumsi oleh masyarakat telur mempunyai jumlahkandungan gizi dan protein yang gizi telur antara lain air 73,7%, protein12,9%, lemak 11,2%, karbohidrat 0,9% Komala,2008. Kualitas telur akan mengalami penurunan baikkualtas internal maupun kualitas 2003 menyatakan kualitas telur terbagike dalam dua bagian yaitu kualitas isi telur bagiandalam yang meliputi kantong udara, putih telur, dankuning telur, sedangkan kualitas telur bagian luarmeliputi kebersihan dan kondisi kulit telur, warnakulit, bentuk, dan berat telur. Cara sederhana yang bisa digunakan untukmengetahui kualitas telur ayam adalah denganmelihat bagian luar telur berupa kulit telur, bentuk,ukuran, dan berat dari telur tersebut. Cara lain yangbisa digunakan adalah dengan menyinari telurdimana telur ditempatkan ditempat yang gelap,kemudian isi dari telur tersebut diterawangmengunakan sinar mataharai atau senter Soeparno,2011. Cara yang dilakukan membutuhkan waktuyang lama dan juga membutuhkan kejelian dalampengamatan. Wardani 2017 melakukan penelitian untukmendeteksi kualitas telur yang didasarkan padasegmentasi warna. Penelitian ini menggunakanmetode fuzzy color histrogram FCH dan discretecosine transform DTC. Tingkat akurasi yangdidapatkan pada penelitian ini adalah 81,25%dengan metode DTC, sedangkan penggunaanmetode FCH memberikan akurasi sebesar 71,8%. Penelitian lain yang dilakukan Salsabilaa 2016yang melakukan penelitian terkait dengan deteksikualitas kesegaran telur dengan menggunakanmetode gray level co-occurrence matrix GLCM.Akurasi yang didapatkan dari penelitian ini sebesar82,35% ketika menggunakan nilai ketetanggan 1. Penelitian lain yang dilakukan oleh Sholihin2018 yang melakukan penelitian kualitas mututelur yang didasarkan pada fitur warna. Penelitian inimemberikan akurasi tertinggi 80% ketika nilaiketetanggan 7. Berdasarkan beberapa penelitian yang sudah ada,maka pada penelitian ini akan merancang sebuahsistem yang bisa untuk melakukan klasifikasi mututelur ayam yang didasarkan pada fitur warna dantekstur. Metode klasifikasi yang digunakan padapenelitian adalah K-Nearest METODEData citra yang digunakan pada penelitian iniadalah data citra telur ayam ras yang diambil dariFakultas Peternakan Universitas Islam data citra yang digunakan dalam penelitianini adalah 147 citra yang dibagi menjadi dua yaitudata training dan data testing. Gambar 1 adalah gambaran umum sitem yangdibangun. Secara garis besar sistem yang dibangunterdiri dari 4 proses utama. 1. Pre-processingPre-processing bertujuan untuk meningkatkankualitas citra telur yang digunakan. Pre-processingyang dilakukan pada penelitian ini adalahmemperkecil ukuran dari citra telur. Proses inidilakukan karena ukuran asli citra telur berukuranbesar, hal ini bisa mempengaruhi proseskomputasinya. Gambar 2 adalah citra asli telur,sedangkan Gambar 3 adalah citra hasil Jurnal TEKNIKa ISSN 2085-0859Volume 10. No. 2. Tahun 2018 e-ISSN 2620-47702. SegmentasiProses segmentasi dilakukan karena ketikamelakukan pengambilan gambar citra telur masihada objek selain citra telur. Proses ini diawalidengan merubah citra RGB menjadi citra grayscale,dari citra grayscale kemudian dilakukan segmentasidengan cara merubah citra telur menjadi citra saat melakukan segmentasi ternyata masih adaobjek selain telur yang ikut tersegmentasi. Untukmenghilangkan objek yang bukan telur makadilakukan dengan cara menghitung jumlah pikseldari semua objek, setelah didapatkan nilai darimasing-masing objek, maka diambil nilaimaksimum dari objek yang ada. Nilai maksimumdari objek yang ada yang dianggap sebagai citratelur. 3. Ekstraksi CiriEkstraksi ciri bertujuan untuk mengambil ciridari citra telur. Metode yang dipakai pada penelitianini adalah GLCM dan ciri warna. Fitur GLCM yangdigunakan adalah energi, kontras, korelasi, danhomogenitas Putra, 2010. Nilai energi yang tinggiakan muncul pada saat citra cenderung merupakan perbedaan intensitas antarpiksel. Kontras akan bernilai nol manakala citrakonsisten. Korelasi mengukur ketidakmiripan suatugambar dimana nilainya akan besar bila acak danakan bernilai kecil jika seragam. Homogenitasmenunjukan kehomogenan citra yang berderajatsejenis. Ciri warna yang digunakan pada penelitian iniadalah moment pertama, moment kedua, danmoment ketiga. Jumlah ciri yang digunakan untukciri warna berjumlah 6. Jumlah ciri yang digunakan dalam penelitian iniadalah 13 yang terdiri dari ciri tekstur dan KlasifikasiKlasifikasi bertujuan untuk menentukan kelasdari citra yang dimasukan oleh pengguna. Padapenelitian ini metode yang digunakan adalah K-Nearest Neighbor KNN. Prinsip kerja dari algoritma KNN adalah mencari nilai jarakterdekat dari data uji dengan k tetangga terdekat dihitung dengan menggunakan jarakeuclidean penelitian ini proses klasifikasi dibagimenjadi dua proses yaitu proses training dan prosestesting. Proses training bertujuan untuk melatihsistem. Jika proses training belum dilakukan makasistem belum bisa bekerja. Sedangkan proses testingbertujuan untuk mengetahui tingkat keberhasilanatau akurasi sistem terhadap data masukan yangdiberikan oleh pengguna. Gambar 4 adalahgambaran umum proses klasifikasi. 1057Gambar 1. Gambaran umum sistemGambar 2. Citra telur asliGambar 3. Segmentasi citra telur Jurnal TEKNIKa ISSN 2085-0859Volume 10. No. 2. Tahun 2018 e-ISSN 2620-47703. PEMBAHASANJumlah data yang digunakan dalam penelitian iniadalah 147 yang dibagi menjadi data trainingberjumlah 85 dan data testing berjumlah 62. Jumlahciri yang digunakan pada penelitian ini adalah yang digunakan pada penelitian ini 3 yaitukelas mutu I, mutu II, dan mutu III. Jumlah data citrauji dibagi menjadi mutu I 28 citra, mutu II 19 citra,dan mutu III 15 pengujian bisa dikerjakan ketika sudahdilakukan proses ekstraksi ciri citra telur. Ciri yangdidapatkan di simpan sebagai data training. Prosespengujian di awali dengan menentukan nilai k atauketetanggaan. Pada panelitian ini nilai k atauketetanggaan adalah 1-10. Tabel 1 adalah hasilproses 1. Hasil klasifikasiNilaikKelas HasilBenar Salah Akurasi1 Mutu IMutu IIMutu III188111011459,7%2 Mutu IMutu IIMutu III2177712856,5%3 Mutu IMutu II208811 62,9%Mutu III 11 44 Mutu IMutu IIMutu III20811811462,9%5 Mutu IMutu IIMutu III2279612661,3%6 Mutu IMutu IIMutu III2510739867,7%7 Mutu IMutu IIMutu III2398510764,5%8 Mutu IMutu IIMutu III27131116482,3%9 Mutu IMutu IIMutu III2610729869,4%10 Mutu IMutu IIMutu III2697210867,7%Berdasarkan Tabel 1 akurasi tertinggi sebesar82,3% ketika nilai k atau ketetanggaan 8. Sistemyang dibangun belum mampu mengklasifikasi telurdengan benar. Sistem yang dibangun mampumengklasifikasikan jenis telur mutu I denganoptimal, sedangkan untuk mutu II dan III sistemmasih belum mampu mengklasifikasikan denganmaksimal, hal ini disebabkan citra telur mutu II danIII terkadang memiliki intensitas warna yang mirip,sehingga sistem salah dalam melakukan klasifikasi. 4. KESIMPULANBerdasarkan uji coba yang sudah dilakukan dapatditarik kesimpulan bahwa nilai rata-rata akurasitertinggi untuk klasifikasi telur ayam ini sebesar82,3% dengan nilai k atau ketetanggaan 8. Sistemyang dibangun bisa mengenali hampir seluruh citrauntuk kualitas mutu I, sedangkang untuk mutu IIbanyak yang salah dalam klasifikasinya. PUSTAKAKomala, I. 2008. Kandungan Gizi ProdukPeternakan. Student Master Animal Science, D, 2010. Pengolahan Citra Digital,Yogyakarta ANDI. Salsabilaa, RK. Hidayat, M. & Darana, S. DeteksiKualitas dan Kesegaran Telur Ayam RasBerdasarkan Deteksi Objek Transparan denganMetode Grey Level Co-Occurrence Matrix danKlasifikasi K-Nearest Neighbor. JurnalPenelitian dan Pengembangan Telekomunikasi,1058Gambar 4. Proses klasifikasi Jurnal TEKNIKa ISSN 2085-0859Volume 10. No. 2. Tahun 2018 e-ISSN 2620-4770Kendali, Komputer, Elektrik, dan ElektronikaTEKTRIKA Juli 2016, Volume 1, Nomor M. & Rohman, 2018. KlasifikasiMutu Telur Berdasarkan Fitur Warana denganMenggunakan Metode K-Nearest Nasional Sistem Informasi 2018, 9Agustus 2011. Dasar Teknologi Hasil Mada University Press, T. 2003. Kualitas Telur. PenerbitSwadaya Jakarta. Halaman 1, YEK. Hidayat, B. & Darana, S. Kualitas dan Kesegaran TelurBerdasarkan Segmentasi Warna dengan MetodeFuzzy Color Histrogram dan Discrete CosineTransform dan Klasifikasi KNN, e-Proceedingof Engineering Vol. 4, No. 1 April 2017. ISSN 2355-93651059 ... Kualitas telur dapat ditinjau melalui dua bagian telur, yaitu bagian dalam telur yang terdiri dari kantong udara, putih telur dan kuning telur. Sedangkan kualitas telur bagian luar meliputi tekstur, warna kulit, bentuk, berat dan kebersihan telur Sholihin & Rohman, 2018. Kualitas telur dapat digolongkan kedalam empat jenis kualitas, diantaranya adalah kualitas AA sangat baik, A Baik, B Cukup Baik, dan C Buruk, dimana klasifikasi ini dikategorikan berdasarkan ketebalan putih telur Sholihin & Rohman, 2018 Ibrahim, dkk, 2018. ...... Sedangkan kualitas telur bagian luar meliputi tekstur, warna kulit, bentuk, berat dan kebersihan telur Sholihin & Rohman, 2018. Kualitas telur dapat digolongkan kedalam empat jenis kualitas, diantaranya adalah kualitas AA sangat baik, A Baik, B Cukup Baik, dan C Buruk, dimana klasifikasi ini dikategorikan berdasarkan ketebalan putih telur Sholihin & Rohman, 2018 Ibrahim, dkk, 2018. Proses klasifikasi telur ayam ini perlu dilakukan, mengingat bahwa tingginya tingkat konsumsi telur ayam di kalangan masyarakat Indonesia, sehingga penting untuk dilakukan pemantauan dan penjaminan mutu kualitas telur ayam yang beredar di pasar. ...... Kualitas telur dideteksi berdasarkan Haugh Unit berdasarkan standar United State Departement of Agriculture USDA. Berikut adalah kriteria untuk setiap grade telur ditinjau dari ketinggian HU putih telurSholihin & Rohman, 2018 Haugh Unit adalah satuan untuk mengetahui kesegaran isi telur, ditinjau dari bagian putih telur. Pengukuran dapat dilakukan dengan cara memecah telur terlebih dahulu untuk kemudian diukur ketebalan putih telur menggunakan alat micrometer. ...ABSTRAK Telur ayam negeri merupakan salah satu sumber protein yang banyak dikonsumsi masyarakat Indonesia. Untuk menjaga kualitas telur ayam negeri yang beredar di Indonesia, diperlukan sistem yang mampu mengidentifikasi grade telur ayam dan mudah digunakan oleh masyarakat. Penelitian sebelumnya telah mengembangkan sistem pengklasifikasian grade telur ayam negeri secara invasive dengan tingkat akurasi 80%, namun sistem ini membutuhkan sampel telur yang dipecahkan sehingga setiap sampel telur tersebut tidak dapat disimpan dalam waktu lama. Oleh karena itu, penelitian ini mengembangkan sistem klasifikasi grade telur ayam tanpa perlu memecahkan sampel telur ayam non-invasive. Dengan menggunakan metode Convolutional Neural Network CNN, sistem mampu mengidentifikasi grade telur ayam negeri pada tingkat akurasi 85,86% dengan arsitektur LeNet-5, optimizer Adam, learning rate 0,001, dan epoch 50. Kata kunci telur ayam negeri, non-invasive, convolutional neural network, LeNet-5 ABSTRACT Local Chicken egg are one of the sources of protein that is widely consumed by the people of Indonesia. To maintain the quality of local chicken egg in the market, a system that can identified chicken egg’s grade and easy to use is needed. Previous research has developed an invasive chicken egg’s grade classification system with 80% accuracy. However, the system required egg sample to be cracked so the egg sample can’t be stored for too long. This research develop a non-invasive chicken egg’s grade classification system, which doesn’t require egg sample to be cracked. By using Convolutional Neural Network CNN, system can identified chicken egg’s grade at 85,86% accuracy with LeNet-5 architecture, Adam optimizer, learning rate 0,001, and epoch 50. Keywords local chicken egg, non-invasive, convolutional neural network, LeNet-5... Sebelum dilakukan ekstraksi fitur, citra telur ayam dilakukan segmentasi citra terlebih dahulu untuk diklasifikasikan menggunakan KNN berdasarkan warna dan tekstur. Hasil akurasi yang diperoleh dengan menggunakan segmentasi citra adalah dengan nilai k sebesar 8 [8]. Untuk proses segmentasi citra telur ayam juga telah dilakukan perbandingan pada citra asli dan citra yang dikompres menggunakan wavelet dan diperoleh hasil bahwa tidak ada perbedaan dalam mengidentifikasi telur ayam [9]. ...... Data Uji % Akurasi % 1 70 30 96 2 75 25 96 3 80 20 94 Berdasarkan Tabel 3 diperoleh bahwa klasifikasi mutu telur ayam berdasarkan kebersihan kerabang menggunakan KNN mempunyai akurasi terbaik yaitu sebesar 96% pada percobaan 1 dan 2 dengan perbandingan data latih dan data uji sebanyak 70%30% dan 75%25% dengan banyaknya n adalah 3 dan menggunakan jarak Euclidean dan hasil confussion matrix seperti disajikan pada Tabel Berdasarkan nilai confussion matrix pada Tabel 6 diperoleh bahwa untuk klasifikasi mutu telur ayam menggunakan Naïve Bayes berhasil 100% untuk mutu I dan mutu II, sedangkan mutu III sebanyak 83%. Pada metode yang ketiga yaitu decision tree dilakukan menggunakan kriteria gini dan entropi dengan minimal sample split sebanyak 2,5,10 dan 50 dengan maksimum kedalaman pohon adalah 3,4,5,6,7,8,9,10,11,12,13,14,15. Akurasi terbaik untuk klasifikasi mutu telur ayam berdasarkan kebersihan kerabang diperoleh pada percobaan 1 dan 2 yaitu sebesar 96% seperti tercantum pada Tabel 7 dan nilai pada confussion matrix seperti pada Tabel 8. Parameter terbaik dalam metode decision tree adalah kriteria gini, kedalaman pohon adalah 9 dan jumlah minimum split sebanyak 2. Berdasarkan nilai pada confussion matrix di Tabel 10 dapat diperoleh bahwa untuk mutu I dapat diklasifikasikan sebesar 100%. ...Eggs are one of the food needs that have high enough nutrition and are the main needs for the community. Therefore, chicken eggs consumed by the community must have good quality so that they are safe and useful when consumed by the community. According to SNI 39262008, the quality of eggs is divided into 3, namely quality I, quality II and quality III in terms of external and internal conditions. In this study, a classification was carried out to determine the quality of chicken eggs based on the cleanliness of the shell using a machine learning approach. Several methods in machine learning such as KNN, Naïve Bayes, Decision Tree and SVM are used to classify chicken egg quality based on shell cleanliness. The stages in this research include data acquisition, preprocessing, feature extraction, modeling and model evaluation. A total of 90 chicken egg image data were used in this study with a total of 30 images in each of each quality. In the preprocessing stage, filtering and conversion of images to grayscle images is carried out. To get the texture features of the chicken egg image, feature extraction is carried out using first and second order statistical calculations. The results of feature extraction obtained mean, skewness variance, kurtosis, entropy, Angular Second Moment ASM, contrast, correlation variance, inverse different moment, entropy. These feature values are then partitioned into training data and test data. A total of 3 experiments were carried out to perform classification, namely the composition of the comparison of training data and test data. Three experiments were carried out by varying the ratio of the amount of training data and test data as much as 70% 30%; 75%25% and 80%20%. The next stage is classification using several methods in machine learning, namely KNN, Naive Bayes, Decision Tree and SVM. The method that produces the best accuracy is KNN and Decision Tree with an accuracy of 96% with a comparison composition of training data and test data of 70% 30% and 75% 25%.... Selain itu, cara lain yang digunakan adalah menyinari telur ditempat yang gelap atau juga bisa diterawang di bawah sinar matahari. [2] Pengelompokan telur ayam biasa dilakukan oleh pedagang telur dan peternak ayam petelur untuk menentukan harga, dan sebagian besar mereka mengelompokkan dan memilah berdasarkan ukuran dan berat telur. Cara yang mereka lakukan adalah dengan melihat dan membandingkan ukuran antar telur dan menimbang berat telur secara konvensional. ...Andri AndriSebagian besar peternak ayam petelur dan pedagang telur mengelompokkan dan memilah telur berdasarkan ukuran dan berat telur. Cara yang mereka lakukan adalah dengan melihat dan membandingkan ukuran antar telur dan menimbang berat telur secara konvensional. Tentunya cara ini membutuhkan ketelitian dan kejelian dalam pengamatan ukuran dan berat serta membutuhkan waktu yang lama. Berdasarkan latar belakang tersebut maka tujuan dari penelitian ini adalah membuat alat pemilah telur secara otomatis berdasarkan berat telur ayam untuk memilah/mengelompokkan telur ayam yang berukuran besar dan kecil. Dengan menggunakan metode perancangan, alat ini dapat direalisasikan dengan sensor load cell untuk pembacaan berat telur ayam dan menggunakan arduino nano untuk pusat kendali dan pemrosesan data. Hasil pengujian yang diperoleh adalah tingkat akurasi pembacaan berat telur dihasilkan nilai rata-rata sebesar 96,75% dan tingkat keberhasilan dalam mengelompokkan telur sebesar 99%.... Penelitian lain yang dilakukan oleh [9] yang didasarkan pada fitur warna kerabang dengan menggunakan metode Adaptif Neouro Fuzzy Inference System ANFIS, hasil dari penelitian ini memberikan kemudahan bagi pembeli telur karena hanya melihat warna kerabangnya saja sudah dapat menentukan kualitas dari sebuah telur. Selain dari warna kerabang tekstur dari kerabang telur juga bisa dijadikan dasar untuk melakukan klasifikasi terhadap mutu telur [10] [11]. ... Miftahus SholihinSebagai bahan makanan tidak semua telur memiliki kualitas atau mutu dan kesegaran yang baik. Untuk menentukan grade dari sebuah telur bisa dilihat dari ukuran atau besarnya telur tersebut yang dilakukan secara manual dengan cara memasukan kedalam lubang yang sudah diberi ukuran, sehingga membutuhkan waktu yang lama. Oleh sebab itu dibutuhkan sebiah sistem yang mampu melakukan grading ukuran telur secara otomatis. Pada penelitian ini dirancang sebuah sistem yang mampu melakukan proses grading citra telur yang didasarkan dari ukuran dengan memanfaatkan teknik pengolahan citra digital. Metode klasifikasi dengan menggunakan K-Nearest Neighbor. Penelitian ini memberikan hasil akurasi tertinggi 88,8% ketika nilai k ketetanggaan Mutu Telur Berdasarkan Fitur Warana dengan Menggunakan Metode K-Nearest NeighborM SholihinM G RohmanSholihin, M. & Rohman, 2018. Klasifikasi Mutu Telur Berdasarkan Fitur Warana dengan Menggunakan Metode K-Nearest Neighbor. Seminar Nasional Sistem Informasi 2018, 9 Agustus Teknologi Hasil TernakSoeparnoSoeparno. 2011. Dasar Teknologi Hasil Ternak. Gadjah Mada University Press, SudaryaniSudaryani, T. 2003. Kualitas Telur. Penerbit Swadaya Jakarta. Halaman 1, 8-10.