Electronic Theses and Dissertation

Pada penelitian ini dirancang alat klasifikasi telur yang dilengkapi dengan
konveyor dan dapat diakses melalului web firebase. Alat klasifikasi ini bekerja secara
otomatis menggunakan sensor inframerah untuk mendeteksi telur yang masuk pada
konveyor. Sensor akan menghidupkan motor sehingga konveyor bergerak dan telur
masuk ke dalam kotak klasifikasi. Telur yang digunakan dalam penelitian ini adalah
telur ayam ras. Telur diklasifikasikan berdasarkan tingkat kecerahan cahaya yang
ditangkap oleh sensor LDR yang berada diatas telur. Sumber cahaya yang digunakan
adalah LED HPL yang diposisikan tepat dibawah telur. Data klasifikasi akan
disimpan dalam micro SD dan juga dapat dilihat secara realtime pada laman web
melalui firebase. Hasil dari percobaan pembacaan 30 telur didapatkan 15 butir bagus,
9 butir kurang bagus, dan 6 lainnya busuk, yang dapat dibuktikan dengan
memecahkan telur hasil klasifikasi. Klasifikasi kualitas telur didasarkan pada bacaan
digital dari mikrokontroler, yaitu bagus (tingkat cahaya ≥ 300), kurang bagus (tingkat
cahaya antara 100 dan 300), dan busuk (tingkat cahaya ≤ 100). Proses klasifikasi
telur yang dilakukan secara otomatis memerlukan waktu rata-rata 22,16 detik
perbutir dengan kecepatan motor kecepatan 2,5 rpm sehingga dapat
mengklasifikasikan telur sebanyak 162 butir perjam.

In this study, an egg classification device is designed which is equipped with a conveyor and can be accessed in real time via the Firebase web. This device works automatically using infrared sensor to detect eggs entering the conveyor. The sensor will turn on the motor so that the conveyor moves and the eggs enter the classification box. The eggs used in this study were leghorn chicken, which are classified based on the brightness level of the light captured by the LDR sensor which is placed above the egg. The light source used is an HPL LED which is positioned just below the egg. Classification data will be stored in micro SD and can also be viewed in real time on web pages via Firebase. The results of an experiment reading 30 eggs showed that 15 were good, 9 were less good, and 6 were rotten, which can be proven by cracking the eggs. Egg quality classification is based on digital readings from the microcontroller, namely good (brightness level ≥ 300), less good (brightness level between 100 and 300), and rotten (brightness level ≤ 100). The egg classification process which is carried out automatically requires an average time of 22.16 seconds per item with a motor speed of 2.5 rpm. In other word, the device can classify up to 162 eggs per hour.