Telur bebek merupakan salah satu makanan penghasil protein tertinggi yang membuat
permintaan pasar terhadap produksi telur bebek juga ikut tinggi. Dalam membedakan telur
bebek yang baik dan buruk produsen telur bebek banyak yang masih menggunakan cara manual
(candling). Berdasarkan permasalahan tersebut, maka perlu sebuah sistem untuk membantu
mendeteksi kualitas telur bebek yang lebih akurat. Pada penelitian ini penulis membuat sistem
dengan bantuan website dan LCD untuk menampilkan hasil prediksi metode M-KNN. Data
citra warna yang digunakan untuk menentukan kualitas telur bebek baik dan buruk diambil
sendiri oleh penulis dari umur telur bebek hari 1 hingga hari 40. Citra warna yang telah melewati
tahap ekstraksi fitur (resize dan HSV), pre-processing (Standard Scaler), dan processing (PCA)
selanjutnya dilatih menggunakan M-KNN. Akurasi yang didapatkan pada tahap pengujian
validasi dengan K optimal 6 yaitu 95%, Presisi 93%, Recall 92%, dan F-1 Score yaitu 93%
untuk data baik dan akurasi yang didapatkan saat pengujian data baru yaitu 84% dengan Presisi
83%, Recall 82%, dan F-1 Score yaitu 83% untuk data baik. Hasil yang diharapkan adalah
sistem ini dapat membantu produsen untuk mengecek telur yang akan dijual dalam menentukan
kualitas telur bebek yang baik.
Kata Kunci: Citra Warna, M-KNN, Precision, Recall, Telur Bebek