Sistem BIMA: Integrasi IoT dan Deep Learning untuk Penyortiran Kualitas Telur Ayam
DOI:
https://doi.org/10.37630/inventor.v4i3.5121Keywords:
Internet of Things, CNN, MobileNetV2, klasifikasi telur, sistem cerdasAbstract
Proses penyortiran telur ayam di peternakan masih umumnya dilakukan secara manual sehingga berisiko menghasilkan penilaian subjektif, kesalahan manusia, dan ketidakkonsistenan. Penelitian ini merancang BIMA, sebuah sistem cerdas berbasis Internet of Things (IoT) yang ditujukan untuk mengintegrasikan proses identifikasi mutu dan penyortiran telur secara otomatis. Metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 digunakan untuk mengenali dan menentukan kategori kualitas telur berdasarkan citra. Dalam implementasinya, ESP32 sebagai pengendali utama, sedangkan ESP32-CAM digunakan untuk menangkap citra telur. Pengukuran bobot dilakukan menggunakan Load Cell yang terintegrasi dengan HX711, sementara IR Obstacle Sensor berfungsi mendeteksi keberadaan telur pada jalur konveyor. Mekanisme pemindahan dan pengelompokan telur didukung oleh mini conveyor dan robot arm. Berdasarkan hasil klasifikasi, telur dikelompokkan ke dalam empat kelas mutu, yakni Grade A, Grade B, Grade C, dan Tidak Layak (TL). Model dilatih menggunakan 2.436 citra melalui transfer learning dan menghasilkan akurasi validasi 94,40% serta rata-rata F1-score 95,3%. Pengujian sistem terhadap 100 telur dalam lima sesi memperoleh akurasi 72,0%. Sensor Load Cell menghasilkan MAPE 2,02%, sedangkan sensor IR Obstacle mampu mendeteksi keberadaan telur dengan baik. Hasil menunjukkan bahwa integrasi CNN-MobileNetV2 dan IoT berpotensi mendukung otomatisasi penyortiran telur secara real-time.
References
Anggraini, R., Antony, F., & Praditya, N. W. P. Y. (2024). PERANCANGAN SISTEM PENDETEKSI KUALITAS TELUR AYAM BERBASIS IoT (INTERNET OF THINGS) MENGGUNAKAN
MIKROKONTROLER ESP32. Journal of Intelligent Networks and IoT Global, 2(2), 50–59. https://doi.org/10.36982/jinig.v2i2.4955
Bengua, J. B. L., et al. (2022). Salted egg cleaning and grading system using machine vision. 2022 IEEE World AI IoT Congress (AIIoT), 1–6. https://doi.org/10.1109/AIIoT54504.2022.9817366
Feby, F. (2025). PERANCANGAN SISTEM KONVEYOR OTOMATIS BERBASIS PLC DAN IOT UNTUK DETEKSI SERTA PENGHITUNGAN TELUR MENGGUNAKAN SENSOR
INFRARED. Jurnal Informatika Dan Teknik Elektro Terapan, 13(3S1). https://doi.org/10.23960/jitet.v13i3S1.7565
Harahap, L. S., & Kembaren, M. F. H. (2025). Klasifikasi Objek Menggunakan Convolutional Neural Network pada Citra Satelit. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(2), 4663–4667. https://doi.org/10.31004/riggs.v4i2.1306
Hartono, A. C., & Muslikh, A. R. (2025). Penerapan Transfer Learning MobileNetV2 Pada Klasifikasi Citra Jenis Buah-Buahan. Journal of Information System and Application Development, 3(2), 103–111. https://doi.org/10.26905/jisad.v3i2.16187
Ibrahim, N., SAâ€TMIDAH, S., Hidayat, B., & Darana, S. (2022). Klasifikasi Grade Telur Ayam Negeri secara non- Invasive menggunakan Convolutional Neural Network. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 10(2), 297. https://doi.org/10.26760/elkomika.v10i2.297
Nasiri, A., Omid, M., & Taheri-Garavand, A. (2020). An automatic sorting system for unwashed eggs using deep learning. Journal of Food Engineering, 283, 110036. https://doi.org/10.1016/j.jfoodeng.2020.110036
Putra, F. N., Lestariningsih, L., Tricahyo, V. A., & Lestari, F. S. (2024). Sistem Grading Kualitas Telur Ayam Konsumsi berdasarkan Citra Kerabang Menggunakan Convolutional Neural. Briliant: Jurnal Riset dan Konseptual, 9(3), 740–748. https://doi.org/10.28926/briliant.v9i3.2014
Putri, H. K., Iswanto, B. H., & Suhendar, H. (2025). CLASSIFICATION OF CHICKEN EGG SHELL QUALITY USING EFFICIENTNET BASED ON DIGITAL IMAGES: KLASIFIKASI KUALITAS CANGKANG TELUR AYAM MENGGUNAKAN EFFICIENTNET BERBASIS CITRA
DIGITAL. Joint Prosiding IPS Dan Seminar Nasional Fisika, 13, 93–101. https://doi.org/10.21009/03.1301.FA13
Samkayana, I. N. W. R. S. R. (2025). IMPLEMENTASI FIREBASE REALTIME DATABASE PADA
SMART CAT FEEDER BERBASIS MIKROKONTROLER ESP32. Jurnal Informatika dan Teknik Elektro Terapan, 13(3). https://doi.org/10.23960/jitet.v13i3.7198
Santosa, R. R., Sasikirana, A., Ramadhan, Z. L., Satria, Y. P. B., & Nugroho, A. (2025). Perbandingan Kinerja MobileNetV2 dan ResNet50V2 dalam Klasifikasi Tingkat Kematangan Tomat. Indonesian Journal of Science, Technology and Humanities, 3(1), 49–56. https://doi.org/10.60076/ijstech.v3i1.1335
Saputro, A. K., Rahmawati, D., Febriana, I., Ibadillah, A. F., Ulum, M., & Haryanto, H. (2025). Implementation of Inverse Kinematics System in Robotic Arm for Glass Pick and Place Operations. Jambura Journal of Electrical and Electronics Engineering, 7(1), 63–69. https://doi.org/10.37905/jjeee.v7i1.28169
Sejati, B. U., Triyo, H., & Sobur, S. (2025). Sistem Pemantauan Gudang Berbasis ESP32-Cam untuk Deteksi Gerakan dan Keberadaan Objek. Just IT : Jurnal Sistem Informasi, Teknologi Informasi, dan Komputer, 356–361. https://doi.org/10.24853/justit.15.2.356
Siregar, Y. S., Sembiring, B. O., Rahayu, E., Hasdiana, H., & Franchitika, R. (2024). Pemanfaatan Aplikasi MySQL untuk Membantu Siswa SMK Swasta Nur Azizi dalam Pengolahan Data. Jurnal Pengabdian Masyarakat, 3(2), 229–240. https://doi.org/10.70340/japamas.v3i2.185
Syahputra, M., & Santoso, A. I. (2025). Rancang Bangun Sistem Absensi Otomatis Berbasis RFID Dan ESP32 Di Kampus AMIK Polibisnis Perdagangan. Jurnal Minfo Polgan, 14(1), 614–622. https://doi.org/10.33395/jmp.v14i1.14816
Wibawa, Y. E., & Naufal, M. (2023). PEMBANGUNAN PERANGKAT LUNAK KOMUNITAS MEDIA MUSIK DENGAN FRAMEWORK REACT NATIVE DAN FIREBASE BERBASIS ANDROID
DAN IOS. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 6(2), 160–170. https://doi.org/10.47970/siskom-kb.v6i2.515
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Mochammad Rifki Ulil Albaab, Muhammad Hafidh Firmansyah, Reza Putra Pradana, Agung Muliawan, Bima Wahyu Maulana
This work is licensed under a Creative Commons Attribution 4.0 International License.
- Seluruh materi yang terdapat dalam situs ini dilindungi oleh undang-undang. Dilarang mengutip sebagian atau seluruh isi situs web ini untuk keperluan komersil tanpa persetujuan dewan penyunting jurnal ini.
- Apabila anda menemukan satu atau beberapa artikel yang terdapat dalam Inventor: Jurnal Inovasi dan Tren Pendidikan Teknologi Informasi yang melanggar atau berpotensi melanggar hak cipta yang anda miliki, silahkan laporkan kepada kami, melalui email pada Principle Contact.
- Aspek legal formal terhadap akses setiap informasi dan artikel yang tercantum dalam situs jurnal ini mengacu pada ketentuan lisensi Creative Commons Attribution 4.0 International (CC BY 4.0).
- Semua Informasi yang terdapat di Inventor: Jurnal Inovasi dan Tren Pendidikan Teknologi Informasi bersifat akademik. Inventor: Jurnal Inovasi dan Tren Pendidikan Teknologi Informasi tidak bertanggung jawab terhadap kerugian yang terjadi karana penyalah gunaan informasi dari situs ini.
