Volume 20 Nomor 1 .
E Ae Link P-ISSN 1858-2109 E-ISSN 2656-5676
Jurnal Teknik Elektro dan Informatika
RANCANG BANGUN SISTEM OTOMATIS UNTUK PENGHITUNGAN,
PEMILAHAN.
DAN PENILAIAN KUALITAS CANGKANG TELUR
DENGAN FITUR PENGIRIMAN INFORMASI KE WHATSAPP
Muhammad Sholeh.
Rini Puji Astutik.
Jurusan Teknik Elektro.
Fakultas Teknik.
Universitas Muhammadiyah Gresik Jl.
Sumatra No 101.
Gresik 61121.
Jawa Timur.
Indonesia E-mail : .
muhammadsholeh9827@gmail.
com, .
astutik_rpa@umg.
ABSTRAK
Klasifikasi telur secara manual di peternakan ayam sering mengalami kendala seperti lambat dan kurang akurat.
Penelitian ini bertujuan membuat alat otomatis berbasis mikrokontroler ESP32 yang dapat menghitung, memilah berdasarkan berat, menilai kualitas telur dengan sensor photodioda, serta mengirim hasilnya ke WhatsApp.
Alat ini menggunakan sensor Load Cell dan HX711 untuk mengukur berat, photodioda untuk mengecek kondisi cangkang, motor DC dan servo untuk memindahkan telur, serta LCD I2C untuk menampilkan informasi.
Pengujian dilakukan di laboratorium dengan telur ayam ras.
Hasil menunjukkan akurasi pengukuran berat mencapai 99%, penilaian kualitas 90%, dan waktu kerja lebih cepat 50% dibanding cara manual.
Fitur pengiriman ke WhatsApp juga berjalan lancar selama internet stabil.
Alat ini dinilai cocok untuk mendukung otomatisasi dalam industri peternakan.
Kata kunci : ESP32.
Load Cell.
Photodioda.
WhatsApp API
ABSTRACT
Manual egg classification in poultry farms often faces issues such as slow processing and low This study aims to develop an automatic system using an ESP32 microcontroller to count, sort eggs by weight, assess shell quality using a photodiode sensor, and send the results via WhatsApp.
The system uses a Load Cell with an HX711 module to measure weight, a photodiode to detect shell condition.
DC and servo motors for mechanical movement, and an I2C LCD for display.
The system was tested in a laboratory using samples of chicken eggs.
The results show a weight measurement accuracy of 99%, quality assessment accuracy of 90%, and over 50% faster processing time compared to manual methods.
The WhatsApp notification feature worked well as long as the internet connection was stable.
This system is considered suitable to support automation in the poultry industry.
Keywords: ESP32.
Load Cell.
Photodiode.
WhatsApp API
PENDAHULUAN
Industri peternakan ayam petelur memiliki peran penting dalam mendukung pemenuhan kebutuhan protein hewani Salah satu tahapan krusial dalam proses produksi telur adalah kegiatan penghitungan, pemilahan, dan penilaian kualitas telur sebelum didistribusikan kepada Proses ini umumnya masih dilakukan secara manual, yang memiliki sejumlah kelemahan seperti membutuhkan waktu yang lama, tidak konsisten dalam hasil penilaian, serta rentan terhadap kesalahan manusia .
Ketidakefisienan tersebut dapat menurunkan produktivitas dan kualitas produk, keuntungan serta kepercayaan pasar terhadap Diterima Redaksi : 25 Juni 2025 | Selesai Revisi : 3 Juli 2025 | Diterbitkan Online : 7 Juli 2025 Volume 20 Nomor 1 .
89-96 E Ae Link P-ISSN 1858-2109 E-ISSN 2656-5676 Jurnal Teknik Elektro dan Informatika Kemajuan mengimplementasikan sistem otomasi yang dapat meningkatkan efisiensi dan akurasi kerja.
Salah satu teknologi yang banyak digunakan ESP32, mendukung konektivitas WiFi dan Bluetooth, serta mampu mengolah data secara real-time.
Mikrokontroler ini memungkinkan integrasi dengan berbagai sensor dan aktuator, sehingga sangat cocok diterapkan pada sistem klasifikasi telur berbasis Internet of Things (IoT) .
Sensor Load Cell dapat digunakan untuk mengukur berat telur secara presisi, sedangkan sensor photodioda dimanfaatkan untuk menilai kualitas cangkang telur berdasarkan pantulan cahaya.
Kombinasi kedua sensor tersebut memungkinkan proses klasifikasi dilakukan secara otomatis tanpa campur tangan manusia .
Selain itu, sistem yang dibangun juga dapat dilengkapi dengan fitur pengiriman informasi hasil klasifikasi melalui aplikasi WhatsApp menggunakan layanan API.
Fitur ini memudahkan pengguna dalam melakukan pemantauan hasil klasifikasi secara jarak jauh dan real-time .
Beberapa penelitian sebelumnya telah menunjukkan bahwa penerapan sistem otomatisasi berbasis IoT dalam industri peternakan dapat meningkatkan efisiensi waktu pemrosesan lebih dari 50% dibandingkan metode manual, serta mengurangi tingkat kesalahan klasifikasi .
Namun, sebagian besar sistem yang telah dikembangkan belum memadukan klasifikasi fisik telur dengan kemampuan komunikasi data secara daring kepada pengguna.
Berdasarkan latar belakang tersebut, penelitian ini bertujuan untuk:
Merancang alat penghitung dan pemilah telur otomatis berbasis mikrokontroler ESP32.
Mengintegrasikan sensor Load Cell dan berdasarkan berat dan kualitas cangkang.
Mengembangkan fitur pengiriman informasi hasil klasifikasi telur ke aplikasi WhatsApp melalui API.
Mengevaluasi kinerja sistem berdasarkan tingkat akurasi dan efisiensi waktu proses Melalui pengembangan sistem ini, diharapkan dapat tercipta sebuah solusi otomatis yang tidak hanya efisien dan akurat, tetapi juga mendukung transformasi industri peternakan menuju arah digitalisasi dan otomatisasi modern yang sejalan dengan era Industri 4.
METODE PENELITIAN
Penelitian ini menggunakan metode rekayasa eksperimental dengan pendekatan perancangan dan pengujian sistem secara Tahapan metodologi meliputi implementasi perangkat keras dan perangkat lunak, serta evaluasi kinerja sistem melalui pengujian fungsional dan akurasi.
1 Studi Literatur Studi literatur dilakukan untuk memahami konsep dasar dan teknologi yang relevan, seperti sistem klasifikasi telur otomatis, penggunaan sensor Load Cell dan photodioda, serta integrasi Internet of Things (IoT) melalui mikrokontroler ESP32.
Referensi diperoleh dari jurnal ilmiah, buku teknis, serta hasil b penelitian sebelumnya yang berkaitan.
2 Perancangan Sistem Perancangan sistem dibagi menjadi tiga bagian utama, yaitu:
C Perangkat input yang terdiri dari sensor Load Cell .
erfungsi mengukur berat telu.
, .
ntuk permukaan telu.
, sensor counter dan push button .
ebagai kontrol manua.
C Unit mikrokontroler ESP32 yang menerima dan mengendalikan perangkat output.
C Perangkat output meliputi motor DC untuk menggerakkan conveyor, servo motor untuk Diterima Redaksi : 25 Juni 2025 | Selesai Revisi : 3 Juli 2025 | Diterbitkan Online : 7 Juli 2025 Volume 20 Nomor 1 .
89-96 E Ae Link P-ISSN 1858-2109 E-ISSN 2656-5676 Jurnal Teknik Elektro dan Informatika mengarahkan telur ke kategori tertentu.
LCD I2C sebagai media tampilan, dan pengiriman informasi klasifikasi ke aplikasi WhatsApp melalui layanan API.
3 Diagram Blok Sistem Diagram blok sistem terdiri dari integrasi sensor dan aktuator yang terhubung dengan ESP32.
Load Cell terhubung melalui modul HX711 untuk penguatan sinyal, photodioda terhubung langsung ke input ESP32, dan data dikirim ke LCD serta WhatsApp setelah diproses.
Gambar 1.
Diagram blok sistem 4 Alur Kerja Sistem Proses kerja sistem diawali dengan mengaktifkan alat secara manual.
Setelah ESP32 inisialisasi terhadap semua komponen, termasuk sensor Load Cell, photodioda, sensor counter, motor, dan LCD.
Ketika telur masuk ke sistem, sensor counter terlebih dahulu mendeteksi keberadaan telur dan menghitung Selanjutnya, sensor Load Cell membaca berat telur, dan photodioda mendeteksi kualitas cangkang berdasarkan pantulan cahaya.
Data dari ketiga sensor tersebut dianalisis oleh ESP32 untuk menentukan apakah telur memenuhi kriteria klasifikasi.
Telur baik memiliki karakteristik cangkang utuh, tidak retak, pantulan cahaya merata berdasarkan deteksi photodioda, berat berada di dalam rentang normal .
-70 gra.
Telur yang tidak baik memiliki karakteristik cangkang retak, pantulan cahaya tidak merata .
ndikasi kerusaka.
dan berat terlalu berat atau terlalu ringan dari rentang berat normal telur.
Jika tidak memenuhi, telur dipindahkan ke kategori Jika sesuai, motor DC menggerakkan conveyor, dan servo motor mengarahkan telur ke jalur sesuai dengan hasil klasifikasi berat dan Hasil klasifikasi ditampilkan di LCD, termasuk informasi berat, kualitas, dan jumlah telur.
Secara bersamaan, data tersebut dikirim ke aplikasi WhatsApp melalui layanan API.
Setelah proses selesai, sistem kembali siap untuk memproses telur berikutnya secara 5 Pengujian Sistem Pengujian dilakukan dengan menggunakan 30 sampel telur ayam ras.
Empat jenis pengujian utama dilakukan:
C Pengujian akurasi pengukuran berat telur menggunakan perbandingan antara data aktual dan data yang dibaca oleh sistem.
C Pengujian klasifikasi kualitas telur berdasarkan deteksi permukaan telur .
aik atau reta.
C Pengujian efisiensi sistem, meliputi waktu proses per telur dan kecepatan pengiriman data ke WhatsApp.
C Pengujian efisiensi waktu, yaitu untuk mengukur durasi total proses sistem dari awal pendeteksian hingga pengiriman data, guna menilai kecepatan dan responsivitas sistem secara keseluruhan.
Data hasil pengujian disajikan dalam bentuk tabel dan dianalisis secara kuantitatif untuk menilai performa sistem.
HASIL DAN DISKUSI
Hasil pengujian menunjukkan bahwa sistem yang dirancang mampu menjalankan fungsi utamanya, yaitu menghitung, memilah, dan menilai kualitas telur secara otomatis dengan dukungan pengiriman data melalui WhatsApp.
Pengujian dilakukan terhadap 30 butir telur ayam ras.
Pengujian pertama difokuskan pada akurasi pembacaan berat telur menggunakan sensor Load Cell.
Nilai yang dihasilkan sistem dibandingkan dengan hasil timbangan digital sebagai acuan.
Data pengujian akurasi berat telur disajikan pada Tabel 1.
Diterima Redaksi : 25 Juni 2025 | Selesai Revisi : 3 Juli 2025 | Diterbitkan Online : 7 Juli 2025 Volume 20 Nomor 1 .
89-96 E Ae Link P-ISSN 1858-2109 E-ISSN 2656-5676 Jurnal Teknik Elektro dan Informatika Gambar 2.
Sensor Load Cell Tabel 1.
Pengujian Akurasi Berat Telur Berat Aktual Berat Selisih Akurasi Sistem .
(%) .
99,50% 99,23% 99,45% 99,48% 99,35% 99,66% 99,38% 99,34% 99,64% 99,52%
99,25%
99,20%
99,22%
99,15%
99,30%
99,16%
99,14%
99,23%
99,22%
99,26%
99,25%
99,12%
99,18%
99,10%
99,25%
99,13%
99,15%
99,21%
99,12%
99,27%
Rata-rata 99,39% Dari pengujian tersebut diperoleh ratarata akurasi sebesar 99,39%.
Hal ini menunjukkan bahwa sensor Load Cell yang pembacaan berat yang sangat presisi.
Selisih maksimum hanya 0,5 gram, dan keseluruhan nilai akurasi di atas 99%, menjadikan sistem ini layak untuk diterapkan dalam klasifikasi berat telur secara otomatis.
Temuan ini sesuai dengan penelitian sebelumnya yang melaporkan akurasi tinggi dari sensor Load Cell untuk objek kecil .
Selanjutnya terhadap kemampuan sistem dalam menilai kualitas telur berdasarkan kondisi fisik cangkang menggunakan sensor photodioda.
Penilaian sistem dibandingkan dengan inspeksi Data pengujian kualitas telur disajikan pada Tabel 2.
Gambar 3.
Sensor Photodioda Tabel 2.
Pengujian Kualitas Telur Kondisi Telur (Inspeksi Manua.
Hasil Penilaian Sistem Status Catatan 28 Telur Baik 28 Telur Baik Sesuai Validasi 2 Telur Retak 2 Telur Retak Sesuai Deteksi Sistem menunjukkan akurasi klasifikasi kualitas fisik sebesar 100%.
Photodioda mampu membedakan intensitas pantulan cahaya antara telur retak dan telur utuh dengan tingkat keberhasilan yang tinggi.
Meskipun demikian, sensor ini hanya dapat mendeteksi kerusakan pada permukaan luar dan belum mencakup kualitas internal.
Oleh karena itu, pengembangan sistem selanjutnya dapat mengarah pada penambahan sensor visual Diterima Redaksi : 25 Juni 2025 | Selesai Revisi : 3 Juli 2025 | Diterbitkan Online : 7 Juli 2025 Volume 20 Nomor 1 .
89-96 E Ae Link P-ISSN 1858-2109 E-ISSN 2656-5676 Jurnal Teknik Elektro dan Informatika berbasis citra multispektral atau ultrasonik untuk deteksi isi dalam telur.
Hasil ini konsisten dengan studi yang memanfaatkan LDR sebagai pengukur kualitas visual telur .
Tabel 4.
Waktu Pemrosesan Telur Telu Wakt Telu Wakt Telu Wakt Evaluasi kinerja sistem dilakukan dengan menghitung waktu proses, jumlah telur yang berhasil terdeteksi, dan jumlah telur yang dapat diklasifikasikan oleh sistem.
Data pengujian kinerja sistem disajikan pada Tabel 3.
Pemro Pemro Pemr .
etik Tabel 3.
Pengujian Kinerja Sistem Parameter Rata-rata Gambar 4.
Sensor counter penghitung Nilai Diharapk
Nilai Aktu
Keberh
(%)
Waktu Pemrosesan .
O 10 Jumlah Telur Terdeteksi Jumlah Telur Terkategori Tidak ditemukan kegagalan dalam proses deteksi maupun klasifikasi, yang menjalankan siklus kerjanya.
Hasil ini memperkuat temuan yang menunjukkan efektivitas mikrokontroler ESP32 dalam mendukung sistem otomatisasi pada sektor peternakan .
Sistem mampu memproses setiap telur dalam waktu rata-rata 8,5 detik.
Waktu ini lebih cepat dibandingkan proses manual dan berada di bawah batas maksimal waktu proses yang Rincian waktu pemrosesan masingmasing telur ditampilkan pada Tabel 4.
Gambar 5.
LCD hasil pembacaan sensor Diterima Redaksi : 25 Juni 2025 | Selesai Revisi : 3 Juli 2025 | Diterbitkan Online : 7 Juli 2025 Volume 20 Nomor 1 .
89-96 E Ae Link P-ISSN 1858-2109 E-ISSN 2656-5676 Jurnal Teknik Elektro dan Informatika Perbandingan antara metode manual dan sistem otomatis juga menunjukkan peningkatan efisiensi waktu yang signifikan.
Data pengujian efisiensi disajikan pada Tabel 5.
Tabel 5.
Perbandingan Efisiensi Waktu Proses Jenis Proses Juml
Samp
Wakt
Manu
etik Waktu Otoma
Efisie (%) Penghitun
gan Telur
Penilaian Berat
52,38
Penilaian Kualitas 54,17 Total Proses 52,38 Dari hasil di atas, dapat disimpulkan penghematan waktu hingga lebih dari 50% dibandingkan proses manual.
Efisiensi ini berkontribusi besar dalam peningkatan produktivitas peternak, khususnya pada proses sortir telur dalam jumlah besar.
Temuan ini mendukung penelitian sebelumnya yang menyebutkan bahwa otomatisasi proses sortasi telur meningkatkan efisiensi operasional secara signifikan .
Gambar 6.
Hasil notifikasi WhatsApp API Sistem ini juga memiliki fitur unggulan berupa pengiriman hasil klasifikasi telur melalui WhatsApp secara otomatis dengan menggunakan layanan API.
Pengiriman ini dijalankan secara terjadwal, yaitu setiap hari pada pukul 06.
00 pagi.
Pada waktu tersebut, sistem secara otomatis mengaktifkan fungsi klasifikasi terhadap data panen telur yang telah masuk ke sistem sejak malam hingga pagi hari.
Setelah proses klasifikasi selesai, sistem segera mengirimkan laporan ke nomor WhatsApp dalam bentuk pesan teks.
Pesan ini berisi informasi ringkas mengenai perolehan hasil panen telur, termasuk jumlah dan kualitas Mekanisme ini dirancang untuk memudahkan peternak menerima informasi secara cepat dan efisien, terutama ketika mereka tidak berada di lokasi kandang.
Integrasi pengiriman menggunakan WhatsApp API terbukti efektif dan stabil dalam proses pengujian.
Seluruh data berhasil dikirimkan tanpa kegagalan, dengan waktu pengiriman rata-rata kurang dari lima detik setelah klasifikasi selesai, selama koneksi internet tersedia.
Metode pengiriman data berbasis WhatsApp seperti ini telah banyak diterapkan dalam sistem IoT sebelumnya.
Studi pendekatan serupa yaitu dalam sistem Diterima Redaksi : 25 Juni 2025 | Selesai Revisi : 3 Juli 2025 | Diterbitkan Online : 7 Juli 2025 Volume 20 Nomor 1 .
89-96 E Ae Link P-ISSN 1858-2109 E-ISSN 2656-5676 Jurnal Teknik Elektro dan Informatika monitoring aquarium, penggunaan NodeMCU TwilioAeWhatsApp API mampu mengirim notifikasi suhu dan pH hanya dalam kisaran 4 detik respon rata-rata .
Integrasi ini sangat bermanfaat bagi peternak yang membutuhkan informasi klasifikasi secara real-time, bahkan ketika tidak berada di lokasi.
Penggunaan aplikasi pesan seperti WhatsApp dalam sistem IoT dapat meningkatkan efektivitas pemantauan jarak jauh .
Menurut literatur, metode notifikasi berbasis pesan instan seperti WhatsApp terbukti mampu meningkatkan efektivitas monitoring IoT dan respons pengguna .
Secara keseluruhan, hasil penelitian ini menunjukkan bahwa sistem yang dirancang telah berhasil memenuhi semua indikator keberhasilan, baik dari aspek teknis, akurasi, efisiensi, maupun kemudahan dalam pelaporan.
Meski demikian, sistem masih memiliki keterbatasan, khususnya pada penilaian kualitas internal telur dan ketergantungan pada koneksi Hal ini menjadi peluang untuk pengembangan sistem lebih lanjut di masa Pengujian di lapangan untuk mengukur performa sistem dalam kondisi nyata.
Dengan pengembangan lebih lanjut, sistem ini berpotensi menjadi solusi efektif dan efisien
dalam proses klasifikasi telur di industri DAFTAR PUSTAKA