Sarang burung walet merupakan salah satu komoditas ekspor produk hewani yang memiliki nilai tertinggi. Sarang burung walet merupakan hasil dari air liur burung walet yang yang kemudian mengeras danmemiliki ciri umum berbentuk mangkok, berbentuk sudut siku-siku dan berbentuk pecahan. Sarang walet memliki fungis atau kahasiat tertentu contoh nya saja dapat digunakan sebagai obat-obatan dan produkmakanan. Umumnya, untuk mengidentifikasi jenis sarang walet masih dikerjakan secara manual, identifikasi yang dihasilkan pun beragam, karena itu penelitian ini membuat sistemidentifikasi jenissarang burung walet yang dapat di implementasi pada robot penyortir. Pada sistemini, citra SBWdiakusisi dengan beberapa algortima pengolahan citra agar dapat diklasifikasikan dengan baik.Algoritmayang dibentuk mengunakan deteksi ROI kemudian dilakukan transformasi ruang warna dari RGBkegrayscale dan dilanjut proses median filter. deteksi tepi yang digunakan pada sistemini menggunakanoperator canny. Ekstraksi fitur bentuk berupa aspect ratio, boundary ratio, area ratio, major axis, minoraxis dan J pixel. Algoritma klasifikasi menggunakan K-Nearest Neighbor (KNN) dengan parameter jarakEuclidean, Manhattan dan Minkowski dengan nilai k=1, k=3, k=5, k=7, k=9 dan k=11. Data yangdigunakan 150 data citra, terdiri dari 90 data citra latih dan 60 data citra uji. Hasil pengujian metode KNNsesuai diimplentasikan pada penelitian ini dengan akurasi mencapai 88,33% pada metode Euclideanpadajarak k=3, k=5, metode Manhattan pada jarak k=1, k=3, k=5 dan metode Minkwoski pada jarak k=3dank=5.
Kata kunci : ROI, Operator Canny, K-Nearest Neighbor, Euclidean, Manhattan, Minkowsk.