<![CDATA[Telur ayam merupakan sumber protein hewani yang mudah didapat, diolah, dan kaya akan nutrisi, namun proses penyortiran kualitas telur masih dilakukan secara manual dengan keterbatasan signifikan dari segi efisiensi. Penelitian ini merancang sistem penyortir kualitas telur ayam otomatis berbasis Arduino dan ESP32 dengan penerapan metode klasifikasi K-Nearest Neighbors (KNN). Sistem mengintegrasikan tiga jenis sensor untuk mengklasifikasikan telur berdasarkan parameter objektif yaitu sensor LDR mengukur intensitas cahaya yang menembus cangkang telur, sensor loadcell mengukur berat telur, dan sensor MQ-2 mendeteksi gas yang mengindikasikan pembusukan telur. Arduino berperan dalam pembacaan data sensor, sementara ESP32 memproses data menggunakan metode KNN untuk mengklasifikasikan telur sebagai bagus atau buruk. Hasil klasifikasi ditampilkan pada LCD I2C, dan telur dipisahkan secara otomatis menggunakan motor servo. Pengujian terhadap 30 data uji menunjukkan akurasi klasifikasi 75%, dengan precision 77,27%, recall 89,47%, dan F1-Score 82,93%. Tingkat akurasi ini menunjukkan bahwa kombinasi sensor-sensor dengan metode KNN memiliki potensi sebagai prototipe awal. Meskipun perlu ditingkatkan lebih lanjut, penelitian memberikan kontribusi dalam mengotomasi proses manual dan membuka peluang pengembangan sistem sortir yang lebih akurat.]]>
Copyrights © 2026
