Kualitas telur puyuh berpengaruh terhadap nilai jual dan kepercayaan konsumen,
namun proses penelaian mutu masih banyak dilakukan secara manual dan subjektif.
Penelitian ini bertujuan mengembangkan sistem klasifikasi kualitas telur puyuh
secara objektif menggunakan kombinasi fitur warna RGB dan tekstur GLCM dengan
algotima K-Nearest Neighor (K-NN). Dataset terdiri dari 200 citra telur puyuh yang
dikelompokkan ke dalam tiga kelas mutu, yaitu baik, sedang, dan buruk. Hasil
ekstraksi fitur menunjukkan bahwa telur kualitas baik memiliki nilai rata-rata RGB
yang lebrih rendah dan relatif merata (R = 102,750; G = 170, 193; B = 172,114),
sedangkan telur kualitas buruk memiliki nilai RGB tertinggi (R=166,963; G =
170,193; B = 172.114). Pada fitur tekstur GLCM, telur kualitas baik memiliki nilai
contrast dan Correlation yang lebih tinggi (Contrast = 26,063; Correlation =
0,511588), sementara itu telur kualitas buruk menunjukkan nilai energy dan
homogenity yang lebih besar (Energy = 0,132605; Homogenity = 0,410460). Temuan
tersebut mengindikasikan bahwa perbedaan kualitas telur puyuh yercermin secara
kuantitatif pada intensitas warna dan pola tekstur cangkang, dimana elur kualitas
buruk cenderung memiliki warna lebih terang dan teskttur yang lebih homogen,
sedangkang telur kualitas baik memiliki pola tekstur yang lebih kontras dan
kompleks, seluruh fitur digabungkan menggunakan metode early fusion dan
dinormalisasi dengan StandarScaler sebelum proses klasifikasi. Klasifikasi dengan
variasi nilai K (3-15) menghasilkan akurasi tertinggi sebesar 90% dengan nilai K =
5 dipilih sebagai nilai optimal karena memberikan akurasi tertinggi dan hasil
klasifikasi yang paling stabil.