Klasifikasi kualitas telur burung puyuh merupakan salah satu aspek penting dalam
industri peternakan untuk memastikan produk yang dihasilkan sesuai dengan
standar. Peningkatan dunia industri menuntut hasil telur yang baik dengan efisiensi
waktu terkait angka permintaan yang banyak. Kurang nya sistem yang mendukung
membuat proses dalam industri kurang efisien. Penelitian ini bertujuan untuk
mengembangkan sistem klasifikasi kualitas telur burung puyuh menggunakan
metode Naïve Bayes Classifier berbasis atribut warna yang diekstraksi dari ruang
warna RGB (Red, Green, Blue) dan HSI (Hue, Saturation, Intensity). Sistem ini
dirancang untuk melakukan klasifikasi secara cepat, akurat, dan konsisten dengan
memanfaatkan nilai rata-rata, variansi, dan rentang dari atribut warna sebagai
parameter utama dalam proses pengambilan keputusan. Proses pengembangan
sistem dilakukan melalui serangkaian tahapan, mulai dari pengumpulan data berupa
citra telur burung puyuh, ekstraksi fitur warna, hingga penerapan metode Naïve
Bayes Classifier. Penelitian ini menunjukkan bahwa atribut warna RGB dan HSI
dapat menjadi parameter yang relevan dalam klasifikasi kualitas telur burung
puyuh. Pengujian sistem menggunakan 452 data latih dan 90 data uji menunjukkan
bahwa sistem mampu mengklasifikasikan 77,78% data uji dengan benar,
menghasilkan akurasi yang cukup baik untuk kebutuhan praktis dan efisien. Dengan
kinerja yang cukup akurat dan efisien, sistem ini memiliki potensi untuk
diimplementasikan secara luas dalam industri peternakan, baik oleh peternak
maupun distributor, untuk meningkatkan efisiensi dan konsistensi dalam proses
penilaian kualitas telur.