Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 5, No. 10, Oktober 2021, hlm. 4190-4196 http://j-ptiik.ub.ac.id

Pengembangan Sistem Pemilah Telur Ayam Negeri dan Ayam Kampung

berdasarkan Berat dan Warna Cangkang Telur menggunakan metode K-
Nearest Neighbor (K-NN)
Johannes Archika1, Dahnial Syauqy2, Mochammad Hannats Hanafi Ichsan3

Program Studi Teknik Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1johanesarchika@gmail.com, 2dahnial87@ub.ac.id, 3hanas.hanafi@ub.ac.id

Abstrak
Telur adalah salah satu makanan bergizi yang mengandung protein hewani yang baik bagi tubuh. Telur
sendiri popular di Indonesia yang bisa dilihat dari permintaan telur yang naik setiap tahunnya.Dari
informasi BPS dari 2015 berkisar 13 ton, 2016 naik menjadi 303 ton , dan di 2017 bertambah berkisar
386 ton dapat diambil kesimpulan dari periode 2015 ke 2017 naik sebanyak 2824% . Dimasyarakat
Indonesia telur ayam dikenal ada 2 jenis yaitu telur ayam kampung dan telur ayam negeri. Perbedaan
dari kedua telur ini ada di berat dan warnanya, Telur ayam kampung memiliki berat yang lebih ringan
dari pada telur ayam negeri dan warna telur kampung lebih cerah dibandingkan telur ayam negeri. Dari
perbedaan parameter ada beberapa orang awam yang kesusahan dalam membedakannya. Berdasarkan
masalah tersebut maka perlu dibuat sistem yang mampu memilah telur ayam secara otomatis. Sistem
yang dibuat memakai sensor loadceel untuk mengukur berat dari telur , serta memakai sensor TSC3200
untuk mendapatkan nilai telur berdasarkan red,green,dan blue. Data yang diambil dari kedua sensor
tersebut selanjutnya diolah menggunakan metode K-Nearest Neighbor dengan output berupa servo yang
bergerak kearah tempat telur, semua sistem diolah menggunakan Arduino mega. Pengujian difokuskan
pada fungsional, akurasi, dan peforma sistem. Dari pengujian fungsional yang telah dilakukan sistem
mendapatkan hasil benar sebesar 100%. Sehingga dapat dikatakan sistem ini berhasil.Untuk pengujian
K nya, sistem diuji menggunakan K bernilai 3,5,7 dengan data latih sebanyak 20 dan data uji 20 data
yang mana didapatan akurasi secara berurutan sebesar 100%, 99%, dan 98,57%. Dan pengujian
performa sistem didapatkan kecepatan waktu pemrosesan sebesar 568,8 ms ketika memakai K3.
Kata kunci: Telur Ayam, Arduino, K-Nearest Neighbor, TSC3200, Loadcell
Abstract
Eggs are one of the nutritious foods that contain animal protein that is good for the body. Eggs
themselves are popular in Indonesia, which can be seen from the demand for eggs that increases every
year. From BPS information from 2015 around 13 tons, 2016 rise to 303 tons, and in 2017 it increased
by around 386 tons it can be concluded that from 2015 to 2017 it increased by 2824%. In Indonesia,
there are 2 types of chicken eggs, namely native chicken eggs and domestic chicken eggs. The difference
between these two eggs is in their weight and color. Native chicken eggs have a lighter weight than
domestic chicken eggs and the color of native chicken eggs is brighter than domestic chicken eggs. From
the difference in parameters, some ordinary people have difficulty distinguishing them. Based on these
problems, it is necessary to create a system capable of sorting chicken eggs automatically. The system
is made using a loadcell sensor to measure the weight of the egg, and use the TSC3200 sensor to get the
value of eggs based on red, green, and blue. The data taken from the two sensors is then processed using
the K-Nearest Neighbor method with the output in the form of a servo that moves towards the egg, all
systems are processed using Arduino mega. Testing is focused on the functionality, accuracy, and
performance of the system. From the functional testing that has been done the system gets 100% correct
results. So it can be said that this system is successful. For the K test, the system was tested using a K
value of 3,5,7 with 20 training data and 20 test data, which obtained accuracy of 100%, 99%, and
98.57% respectively. And the system performance test obtained a processing time speed of 568.8 ms
when using K3.
Keywords: Chiken Eggs, Arduino, K-Nearest Neighbor, TSC3200, Loadcell

Fakultas Ilmu Komputer

Universitas Brawijaya 4190
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
1. PENDAHULUAN
Manusia memerlukan beberapa zat
makanan agar kondisi tubuh bisa tetap terjaga
sehat. Salah satu zat makanan yang patut
dikonsumsi oleh perorang adalah protein. Dalam
Ilmu Gizi, protein sebagai elemen pembangun
sel-sel organ tubuh, jadi protein mempunyai
peran yang sangat penting untuk perkembangan
manusia. Bayi dan anak kecil membutuhkan
protein yang lebih besar daripada orang yang
telah dewasa karena mereka sedang menjalani
masa pertumbuhan. Terdapat 2 rupa protein
yaitu protein nabati dan protein hewani.
Sektor peternakan di Indonesia punya
peranan penting didalam memenuhi permitaan
konsumen protein hewani, Hal ini dikarenakan
kesadaran masyarakat terhadap makanan bergizi
yang mengalami peningkatan sehingga
terbentuk rupa konsumsi makanan yang secara
bertahap kearah peningkatan konsumsi protein
hewani (Priyono & Priyanti,2018). Kebutuhan
gizi protein hewani dapat di temukan di berbagai
olahan hewan seperti itik, bebek, ayam, ataupun
telur dari masing-masing hewan tersebut.
Indonesia memiliki memiliki iklim
perdagangan global yang cukup mudah untuk
diakses, ini membuat usaha telur ayam menjadi
sektor yang baik, Hal ini dapat dilihat dari
permintaan telur yang menjadi tinggi yang bisa
dilihat dari skala ekspor telur yang terus
meningkat setiap tahunnya. Dapat dicatat, dari
informasi Badan Pusat Statistik (BPS)
Indonesia, ekspor telur unggas pada tahun 2015
yang hanya berkisar 13 ton,pada periode 2016
naik sebesar 303 ton dan di periode 2017
bertambah menjadi 386 ton. Dapat dikatakan,
naiknya ekspor 2017 dibanding 2015 sebanyak
2.824% dan naiknya ekspor 2017 dibandingkan
dengan tahun sebelumnya memperoleh 27%
(Fauzi, 2018).
Telur ayam di Indonesia mempunyai 2 buah
jenis yaitu telur ayam kampung dan telur ayam
negeri. Yang membedakan dari 2 jenis ini adalah
kandungan gizi yang dimiliki, telur ayam
kampung mempunyai nutrisi yang lebih tinggi
dari pada ayam negeri. Perkara ini disebabkan
karena kebiasaan pemeliharaan yang tidak sama,
ayam negeri diberi makan dan obat secara teratur
yang memungkinkan untuk bertelur 1 butir
setiap harinya sedangkan ayam kampung
memakan makanan yang lebih alami tapi tidak
dapat diprediksi kapan akan bertelur. Hal ini
tentunya menyebabkan harga telur kampung
Fakultas Ilmu Komputer, Universitas Brawijaya
4191
menjadi jauh lebih mahal dari telur ayam negeri.
Untuk membedakan kedua telur tersebut bisa
dilihat dari perbandingan kedua telur ini
terutama dari segi berat dan warna cangkang,
telur ayam kampung lebih enteng dibadingkan
telur ayam negeri lalu bila dilihat dari segi
warna, warna dari telur ayam kampung lebih
cerah dibandingkan telur ayam negeri .
Dengan beberapa perbedaan diatas,
tentunya sulit untuk beberapa orang awam dalam
membedakan telur ayam kampung dan telur
ayam negeri, hal ini akan memakan waktu yang
lama serta tenaga yang banyak. Didasarkan pada
masalah tersebut, maka perlu dibuat sistem yang
mampu membedakan telur ayam negeri dan telur
ayam kampung. Penelitian sebelumnya yang
dibuat adalah oleh (Ayu & Pradita, 2017) yang
membahas mengenai ukuran telur ayam
menggunakan pengolahan citra digital. Setelah
itu (Puspa, 2015) membuat penelitian tentang
mengklasifikasikan mutu telur berdarsarkan
kebersihan kerabang telur. Lalu (Dwi, 2019)
yang membahas mengenai klasifikasi makanan
memakai boraks atau tidak menggunakan KNN
merupakan rujukan karena memiliki metode
yang sama sehingga menutrut penulis cocok
digunakan sebagai rujukan. Selanjutnya
(Kurniawan, 2019) telah membuat penelitian
yang memilah telur ayam kampung dan telur
ayam negeri memakai metode naive bayes, yang
coba penulis kembangkan menggunakan metode
yang berbeda yaitu K-NN.
Berdasarkan rujukan penelitian penelitian
tersebut penulis mencoba mengembangkan
penelitian tersebut dengan memanfaatkan sensor
TCS3200 sebagai pengukur tingkatan warna
telur yang berdasarkan nilai merah, hijau, dan
biru dan sensor loadcell sebagai pengukur berat
dari telur yang akan digolongkan memakai
metode K-Nearest Neighbor untuk memilah
telur ayam kampung dengan telur ayam negeri
dengan memafaatkan mikrokontroler arduino
sebagai pengolahan data sensor.
Parameter yang diuji berupa penerapan nilai
dari sensor warna, nilai berat, dan metode K-
Nearest Neighbor jika diterapkan pada sistem
klasifikasi telur ayam, Akurasi dan Performa
Sistem yang dibuat dengan metode K-Nearest
Neighbor. Dengan dibuatnya penelitian ini,
peneliti mencoba berusaha membuat sistem
klasifikasi telur ayam agar lebih mempermudah
masyarakat awam untuk membedakan telur
ayam kampung dan negeri.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4192

2. PERANCANGAN DAN telur dan di bawah wadah sebagai penggerak

IMPLEMENTASI SISTEM wadah.
2.1 Gambaran Umum Sistem

Input Proses Output

Color
Sensor
Arduino Mega Servo
Loadcell
Sensor

Gambar 1. Diagram Blok Sistem

Gambar 3. Diagram Skematik Sistem
Dari gambar 1 dapat diketahui bahwa
Gambar 3 adalah gambar skematik rangkaian
sistem ini nantinya akan memiliki 3 bagian
perangkat keras. Berdasarkan gambar blok
utama yaitu input yaitu masukan untuk diolah
diagram dapat dimana gambar tersebut
sistem, proses untuk mengolah input, dan output
menjelaskan secara rinci hubungan skematik
untuk keluaran proses. Terdapat input yang
antara komponen komponen perangkat keras,
antara lain adalah didapat dari color sensor dan
TSC3200 (Sensor Warna) dan Loadcell (sensor
loadcell sensor. Setelahnya data dari sensor
berat) merupakan bagian dari input yang
warna dan sensor loadcell di proses
terhubung dengan mikrokontroler Arduino
menggunakan Arduino mega. Terakhir dioutput
Mega, dimana nantinya Arduino Mega akan
mendapatkan keluaran servo yang mana servo
berfungsi sebagai pengolah data dari sensor
akan bergerak sesuai hasil proses .
berat dan warna dan hasil olahannya akan
2.2 Perancangan Prototype Sistem ditampilkan melalui Serial monitor di laptop.
Gerakan servo juga akan menjadi keluaraan dari
Untuk membuat sebuah protype sistem
olahan data tersebut yang akan digunakan
diperlukan adanya sebuah desain awal terlebih
sebagai penahan dan mengklasifikasikan telur
dahulu. Mulai dari mengukur frame, bahan
ayam yang diletakan ditempat sebelumnya.
sampai letak dari sensor dan komponen-
komponen lain yang mau digunakan . Desain Mulai

pada gambar 2 dibuat menggunakan Microsoft

power point. Inisialisasi pin

Akuisisi data dari sensor

Eksekusi Metode KNN

Hasil Klasifikasi

Selesai
Gambar 2. Desain Alat Pemilah Telur Ayam

Pada alat ini color sensor TSC3200 diletakan
pada wadah bagian atas untuk mempermudah
mendapatkan nilai warna cangkang telur yang
ditaruh user sedangkan loadcell diletakan
didalam wadah agar memudahkan user untuk
menjalankan sistem yang sudah dibuat.
Sedangkan servo beradda diujung dan bawah
wadah, yang berada di ujung sebagai pemilah
Gambar 4. Diagram Perancangan Perangkat
Lunak
Jika mengacu pada diagram alir digambar 4, 1.
Pertama melakukan proses inisialisasi pin agar
mengetahui pin input dan pin outputnya. Ketika
mengambil data, parameter terlebih dulu dilihat
pada masing-masing sensor. Sensor warna
TSC3200 menggunakan parameter dari

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
komposisi nilai Red, Green, Blue pada objek
yaitu telur ayam sedangkan sensor loadcell
menggunakan parameter berat yang memakai
ukuran gram. Setelah mendapatkan data, tahap
selanjutnya adalah menghitung hasil akuisisi
sensor menggunakan algoritma K-Nearest
Neighbor. Ketika perhitungan KNN sudah
selesai, Arduino akan menampilkan hasil di
serial monitor dan menggerakan servo menuju
tempat telur tersebut.
Metode
Mulai
KNN
Menentukan nilai K
Perhitungan jarak euclidean
Proses sorting data
Pengambilan data sesuai nilai K
Tampilkan hasil nilai K
Selesai
Gambar 5. Diagram Alir Perancangan K-
Nearest Neighbor
Sesuai dengan diagram digambar 5 di dalam
proses perancangan metode K-Nearest Neighbor
nya melalui beberapa tahapan yang harus
diperhatikan yaitu dalam menentukan jumlah
nilai K, jarak eucludean distance, pengurutan
data dari terkecil ke terbesar, dan menentukan
kategori dari data uji. Lalu selanjutnya
menentukan nilai K. Nilai K adalah jumlah
tetangga terdekat, jumlah tetangga tersebut
digunakan sebagai acuan didlam mengambil
keputusan dalam memilah apakah telur tersebut
adalah telur ayam kampung atau telur ayam
negeri. Jumlah dari nilai K biasanya selalu
bernilai ganjil agar dalam menentukan kategori
kelas jadi lebih mudah. Pemberian nilai K.
Selanjutnya adalah menghitung jarak euclidean
Perhitungan jarak Euclidean dikomputasi dari
hasil akuisisi data dari setiap sensor yang
digunakan yang antara lain adalah sensor warna
TSC3200 dan sensor loadcell. Sensor warna
memiliki 3 komposisi nilai red, green, blue untuk
digunakan pada perhitungan metode. Nilai data
yang diambil dari sensor loadcell hanya
memakai satu data saja yaitu berat dari telur.
Fakultas Ilmu Komputer, Universitas Brawijaya
4193
Berikut adalah rumus perhitungan untuk
memperoleh jarak euclide distance
(1)
√(𝐺1𝑙𝑎𝑡𝑖ℎ − 𝐺1𝑢𝑗𝑖)2 + (𝐺2𝑙𝑎𝑡𝑖ℎ − 𝐺2𝑢𝑗𝑖)2
Setelah semua jarak Euclidean dihitung maka
selanjutnya adalah melakukan sorting data dari
nilai terkecil ke nilai yang terbesar. Setelah
selesai melakukan proses sorting, tahap
selanjutnya adalah pengambilan data dengan
jumlah k yang sudah ditentukan.
2.3 Implementasi Sistem
Ketika seluruh tahap perancangan telah dilalui
maka selanjutnya adalah mengimplementasikan
sistem secara langsung dan perangkat keras.
Implementasi sistem dengan menerapkan secara
langsung sensor warna TSC3200, sensor
loadcell, Arduino mega, dan servo sesuai dengan
desain skematik pada penjelasan yang telah
dijelaskan. Seluruh perangkat tersebut dirangkai
seluruhnya ke dalam mikrokontroler. Hasil
implematasi ini dapat dilihat pada gambar 6.
Gambar 6 Implementasi Perangkat Keras
Dari gambar 6 kita dapat melihat hasil
implementasi desain sistem perangkat keras,
dibagian depan di pasang servo agar telur dapat
diarahkan ke wadah yang telah disediakan.Di
bagian tengah frame terdapat kotak hitam yang
berguna untuk menaruh telur untuk di ukur berat
dan RGB nya dan di bawahnya terdapat
mikrokontroler Arduino mega.
3. PENGUJIAN DAN ANALISIS
Bagian ini adalah tahapan yang bertujuan untuk
melakukan pengujian akurasi dari metode K-
Nearest Neighbor. Pengujian dilakukan dengan
20 data uji yang terbagi menjadi 10 telur ayam
kampung dan 10 telur ayam negeri. Dari 20 data
latih akan terlihat hasil akurasinya dari metode
K-Nearest Neighbor.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4194

Tabel 1 Hasil Pengujian Metode Klasifikasi 122,236,207 61,44 N 3 0 N/100%

94,113,89 35,64 K 0 3 K/100%
K-Nearest Neighbor 118,224,200 67,20 N 3 0 N/100%
R G B Berat Hasil Hasil Status 74,78,60 46,91 K 0 3 K/100%
Sistem Manual
75,85,70 45,95 K 0 3 K/100%
97 172 157 66,23 Negeri Negeri Benar 119,220,196 69,11 N 3 0 N/100%
72,90,74 49,37 K 0 3 K/100%
98 165 160 64,69 Negeri Negeri Benar 127,241,218 59,34 N 3 0 N/100%
79,90,68 43.02 K 0 3 K/100%
94 173 161 67,44 Negeri Negeri Benar
82,75,79 45.42 K 0 3 K/100%
60 69 61 37,40 Kampung Kampun Benar 125,237,209 60.37 N 3 0 N/100%
g Rata-rata 100%
64 75 63 35,10 Kampung Kampun Benar K5
g
97,172,157 66,23 N 5 0 N/100%
68 87 76 38,56 Kampung Kampun Benar 98,165,160 64,69 N 5 0 N/100%
g 94,173,161 67,44 N 5 0 N/100%
60,69,61 37,40 K 0 5 K/100%
120 213 184 57,63 Negeri Negeri Benar
64,75,63 35,10 K 0 5 K/100%
77 88 73 40,21 Kampung Kampun Benar 68,87,76 38,56 K 1 4 K/80%
6 g 120,93,184 57,25 N 5 0 N/100%
77,88,73 40,16 K 0 5 K/100%
113 119 191 70,96 Negeri Negeri Benar 113,119,191 70,67 N 5 0 N/100%
122 236 207 61,57 Negeri Negeri Benar 122,236,207 61,44 N 5 0 N/100%
94,113,89 35,64 K 0 5 K/100%
94 113 89 35,64 Kampung Kampun Benar 118,224,200 67,20 N 5 0 N/100%
g 74,78,60 46,91 K 0 5 K/100%
75,85,70 45,95 K 0 5 K/100%
118 224 200 67,20 Negeri Negeri Benar
119,220,196 69,11 N 5 0 N/100%
74 78 60 46,91 Kampung Kampun Benar 72,90,74 49,37 K 0 5 K/100%
g 127,241,218 59,34 N 5 0 N/100%
79,90,68 43.02 K 0 5 K/100%
75 85 70 45,95 Kampung Kampun Benar 82,75,79 45.42 K 0 5 K/100%
g 125,237,209 60.37 N 5 0 N/100%
119 220 196 69,11 Negeri Negeri Benar Rata-rata 99%

72 90 74 49,37 Kampung Kampun Benar K7

g
97,172,157 66,23 N 7 0 N/100%
127 241 218 59,34 Negeri Negeri Benar 98,165,160 64,69 N 7 0 N/100%
94,173,161 67,44 N 7 0 N/100%
79 90 68 43,02 Kampung Kampun Benar 60,69,61 37,40 K 0 7 K/100%
g 64,75,63 35,10 K 0 7 K/100%
82 75 79 45,42 Kampung Kampun Benar 68,87,76 38,56 K 2 5 K/71,4%
g 120,93,184 57,25 N 7 0 N/100%
77,88,73 40,16 K 0 7 K/100%
125 237 209 60,37 Negeri Negeri Benar 113,119,191 70,67 N 7 0 N/100%
122,236,207 61,44 N 7 0 N/100%
Jumlah Nilai Benar 20
94,113,89 35,64 K 0 7 K/100%
118,224,200 67,20 N 7 0 N/100%
74,78,60 46,91 K 0 7 K/100%
Dari tabel diatas bisa dilihat bahwa presentasi 75,85,70 45,95 K 0 7 K/100%
akurasi dari pengujian metode klasifikasi K- 119,220,196 69,11 N 7 0 N/100%
72,90,74 49,37 K 0 7 K/100%
Nearest Neighbor ini adalah 100 % yang bisa 127,241,218 59,34 N 7 0 N/100%
dikatakan bahwa sistem klasifikasi telur ayam 79,90,68 43.02 K 0 7 K/100%
ini dapat dengan baik melakukan klasifikasi. 82,75,79 45.42 K 0 7 K/100%
125,237,209 60.37 N 7 0 N/100%
Rata-rata 98,57%
Tabel 2 Hasil Pengujian Data Sampel pada
Nilai K 3,5,7
G berat telur k.n k.k Status pengujian nilai K pada tabel 6.7 yang
97,172,157 66,23 N 3 0 N/100% didapatkan dari nilai K 3, 5, dan 7. Pada
98,165,160 64,69 N 3 0 N/100% pengujian petama dengan K 3 didapatkan
94,173,161 67,44 N 3 0 N/100% akurasi yang besar yaitu mencapai 100%. Di
60,69,61 37,40 K 0 3 K/100%
64,75,63 35,10 K 0 3 K/100% pengujian kedua pada k 5, 19 telur berhasil
68,87,76 38,56 K 0 3 K/100% mendapatkan ketepatan 100% kecuali telur no 6
120,93,184 57,25 N 3 0 N/100% yang mempunyai 1 kelas telur kampung
77,88,73 40,16 K 0 3 K/100%
113,119,191 70,67 N 3 0 N/100%
sehingga hasil akurasi yang didapatkan 80% dan
membuat rata-rata akurasi K 5 adalah 99%. Pada
Fakultas Ilmu Komputer, Universitas Brawijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4195

pengujian terakhir yaitu K 7 sama seperti di K5 15 Pengujian waktu ke- 580

15
,19 telur mempunyai akurasi sebesar 100% dan 16 Pengujian waktu ke- 556
telur nomor 6 mempunyai 5 kelas telur kampung 16
dan 2 kelas telur negeri yang membuat 17 Pengujian waktu ke- 580
17
akurasinya bernilai 71,42% sehingga rata-rata 18 Pengujian waktu ke- 555
total akurasi dari K 7 adalah 98,57%. 18
Kesimpulan yang dapat diambil dari tabel 6.7 ini 19 Pengujian waktu ke- 556
19
adalah, telur no 6 mempunyai beberapa kelas 20 Pengujian waktu ke- 580
yang tidak sesuai di karenakan mempunyai 20
cangkang telur yang berwarna lebih coklat dari Total 11376
pada beberapa telur kampung yang digunakan
dalam penelitian ini sehingga metode knn dari Dari 20 kali pengujian menggunakan K3,rata –
program ini mengambil kelas telur negeri karena rata yang didapatkan sistem dalam proses
mempunyai kedekatan dengan telur no 6 . Dan menyelesaikan tugas adalah 568,8 ms.
dari hasil pengujian nilai K pada tabel 6.7, nilai
K 3 adalah nilai yang paling akurat untuk dipakai 4. PENUTUPAN
di dalam perhitungan jumlah tetangga terdekat 4.1 Kesimpulan
dengan hasil akurasi yang mencapai 100 %. Sensor warna TSC3200 dapat bekerja
dengan baik dalam membaca RGB cangkang
Ditengah menguji metode terdapat pengujian telur karena memiliki error yang hanya sebesar
waktu komputasi. Pengujian ini dilakukan untuk 1,43 % saja, lalu dalam membaca berat telur
mengetahui berapa waktu yang dibutuhkan oleh dengan sensor loadcell juga bisa dikatakan
sistem didalam melaksanakan bekerja dengan baik karena hanya memiliki
pekerjaan.tujuannya selain agar penulis dapat presentasi error sebesar 0,27 % saja. Dan untuk
memperbaiki program yang digunakan bila servo dapat berjalan dengan baik yaitu bergerak
terlalu lama tapi juga berfungsi sebagai sesuai dengan telur apa yang diletakan di alat.
pembanding dengan penguian waktu komputasi Akurasi sistem ketika melakukan klasifikasi
di penelitian sebelumnya yang menggunakan menggunakan metode K-Nearest Neighbor
metode naïve bayes.Pengujian dimulai dari dalam memilah telurbisa dikatakan baik, dengan
pembaacaan sensor hingga hasil dari klasifikasi memakai 20 data latih dan 20 data uji
didapatkan. menggunakan K yang benilai 3, 5, dan 7
didapatkan akurasi 100 % disetiap K yang diuji.
Tabel 3 Hasil Waktu Komputasi Metode Performasi sistem dalam mengklasifikasikan
No Pengujian Waktu (ms)
1 Pengujian waktu ke- 579 objek menggunakan metode K-Nearest
1 Neighbor ternyata lebih cepat dari penelitian
2 Pengujian waktu ke- 580 sebelumnya yang menggunakan metode naive
2
3 Pengujian waktu ke- 578 bayes. Di penelitian naïve bayes memiliki waktu
3 komputasi rata-rata sebesar 754,95 ms dari 20
4 Pengujian waktu ke- 557 kali pengujian sedangkan dipenelitian ini yang
4
5 Pengujian waktu ke- 558 menggunakan KNN didapatkan waktu
5 komputasi rata-rata sebesar 568,8 ms dari 20 kali
6 Pengujian waktu ke- 573 penguian menggunakan nilai K sebesar 3.
6
7 Pengujian waktu ke- 580
7
8 Pengujian waktu ke- 555 5. DAFTAR PUSTAKA
8
9 Pengujian waktu ke- 581 Alfredi,. J(2020, 03 20). Banyak yang bingung
9
10 Pengujian waktu ke- 579 ini cara bedakan telur ayam kampung
10 yang asli dan palsu? Retrieved from bobo:
11 Pengujian waktu ke- 557 https://bobo.grid.id/read/082181021/bany
11
12 Pengujian waktu ke- 581 ak-yang-bingung-ini-cara-bedakan-telur-
12 ayam-kampung-yang-asli-dan-
13 Pengujian waktu ke- 555 palsu?page=all .
13
14 Pengujian waktu ke- 556 Cornelam.(2020, 03 20).ARDUINO SERVO
14
MOTORS. Retrieved from

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4196

instructables:https://www.instructables.c
om/id/arduino-servo-motors/.
Donny.(2020, 04 01). RGB scanning
menggunakan TSC 3200 dan Arduino
UNO. Retrieved from ksatria inisi:
https://ksatriaunisi.wordpress.com/2013/
08/04/rgb-scanning-menggunakan-tsc-
3200-dan-arduino-uno/ .
Dwi,. S,(2019). Sistem Pemilah Telur Ayam
Kampung dan Ayam Negeri
Menggunakan Metode Naive
Bayes.Malang:SKRIPSI, Universitas
Brawijaya, Teknik Komputer.
Eko,. R,(2014). PERBANDINGAN METODE
KLASIFIKASI NAÏVE BAYES DAN K-
NEAREST NEIGHBOR PADA
ANALISIS DATA STATUS KERJA DI
KABUPATEN DEMAK TAHUN 2012.
Semarang:SKRIPSI, Universitas
Dipenogoro, Teknik Statistika.
Hernandez,.W.(2006).Improving the renspose of
a load cell by using optimal.ISSN,3-6
Kemala,.F(2020, 03 25). 7 maanfat telur ayam
kampung. Retrieved from hellosehat:
https://hellosehat.com/nutrisi/fakta-
gizi/kandungan-telur-ayam-
kampung/#gref .
Kurniawan,. H,(2019). Sistem Pemilah Telur
Ayam Kampung dan Ayam Negeri
Menggunakan Metode Naive Bayes.
Malang:SKRIPSI, Universitas Brawijaya,
Teknik Komputer.
Nuri,. S(2020, 03 25). Bedanya telur ayam
negeri dan telur ayam kampung. Retrieved
from kompas:
https://www.kompas.com/food/read/2020
/09/06/200800975/bedanya-telur-ayam-
kampung-dan-telur-ayam-negeri-lihat-4-
faktor-ini?page=all .
Srianto,. D,(2016). PERBANDINGAN K-
NEAREST NEIGHBOR DAN NAIVE
BAYES UNTUK KLASIFIKASI
TANAH LAYAK TANAM POHON
JATI. Semarang:SKRIPSI, universitas
Dian Nuswantoro, teknik Informatika

Fakultas Ilmu Komputer, Universitas Brawijaya