Sistem BIMA: Integrasi IoT dan Deep Learning untuk Penyortiran Kualitas Telur Ayam

Mochammad Rifki Ulil Albaab (Politeknik Negeri Jember)
Muhammad Hafidh Firmansyah (Politeknik Negeri Jember)
Reza Putra Pradana (Politeknik Negeri Jember)
Agung Muliawan (Politeknik Negeri Jember)
Bima Wahyu Maulana (Politeknik Negeri Jember)

Inventor: Jurnal Inovasi dan Tren Pendidikan Teknologi Informasi
Vol. 4 No. 3 (2026): Edisi Oktober

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.