Boraks merupakan senyawa kimia dengan nama IUPAC Natrium tetraborat dekahidrat (Na2B4O7•10H2O), yang jika larut dalam air akan menjadi natrium hidroksida dan asam borat (H3BO3). Boraks adalah suatu zat berbentuk serbuk hablur kristal transparan atau granul putih, tidak berbau dan stabil pada suhu ruang. Dalam dunia industri, boraks biasanya digunakan sebagai bahan solder, bahan pembersih, pengawet kayu, antiseptik kayu dan pengontrol kecoa. Boraks tidak aman untuk dikonsumsi, namun ironisnya dalam beberapa tahun terakhir masyarakat cenderung menggunakan boraks sebagai bahan tambahan dalam makanan. Salah satu teknologi yang dapat digunakan untuk mengidentifikasi kandungan boraks secara kuantitatif adalah dengan menggunakan Spektrofotometri Uv-Vis. Namun, metode tersebut membutuhkan waktu yang lama, rumit, dan relatif mahal sehingga menyulitkan dalam menganalisis sampel di lapangan yang jumlahnya banyak dan harus segera dianalisis sebagai dugaan sementara. Penggunaan teknologi berbasis pengolahan citra digital dapat menjadi solusi dalam mengatasi permasalahan tersebut. Penelitian ini bertujuan untuk mengembangkan metode pengolahan citra digital sebagai alternatif analisis boraks yang lebih cepat, mudah, dan murah pada produk pangan. Penelitian dilakukan terhadap nilai intensitas warna red, green, blue (RGB) dari 17 sampel larutan standar boraks sebagai data training dan 11 sampel bakwan rekayasa sebagai data testing. Kombinasi nilai RGB digunakan sebagai data analitik untuk menghasilkan model/persamaan yang digunakan untuk mengidentifikasi kandungan boraks dalam makanan. Proses pengambilan citra dilakukan menggunakan kamera Nikon D5200 dengan sumber cahaya 4 buah lampu Philips Essential 5W. Posisi kamera tegak lurus dan berjarak 21 cm dari permukaan atas objek dengan background yang digunakan yaitu kertas karton berwarna putih. Data citra diolah menggunakan software Halcon MvTec 11.0 (demo). Tingkat akurasi dalam penelitian ini diukur menggunakan nilai RMSE. Nilai RMSE menunjukkan ukuran seberapa besar kesalahan yang dihasilkan oleh suatu model persamanaan estimasi. Berdasarkan hasil penelitian, didapatkan dua model terbaik dengan nilai koefisien determinasi 0,94, yaitu model R/G dan model R-G/Total. Model R/G dengan persamaan regresi y = 0,0006x + 1,8595 mampu memprediksi intensitas warna citra bakwan dengan nilai RMSE sebesar 0,3383, sedangkan model R-G/Total dengan persamaan regresi y = 0,0001x + 0,3038 mampu memprediksi intensitas warna citra bakwan dengan nilai RMSE sebesar 0,0710. Model R-G/Total lebih akurat dibandingkan model R/G dalam memprediksi nilai intensitas warna produk bakwan.