Deteksi Jamur Beracun menggunakan Convolutional Neural Network (CNN) dengan Mobilenetv2 (Studi Kasus : Jamur Edible dan Non-edible)

Abstract

Adanya jamur beracun dalam lingkungan merupakan ancaman bagi kesehatan manusia. Dengan banyaknya jumlah kasus keracunan jamur dibutuhkan metode yang efisien dan akurat dalam menganalisis jamur beracun. Dalam mengatasi tantangan ini, penelitian ini bertujuan untuk mengembangkan metode deteksi jamur non-edible atau beracun dengan Convolutional Neural Network (CNN) dengan MobileNetV2. Penelitian ini menggali potensi CNN dalam mengenali jamur non-edible atau beracun. Hasil dari penelitian ini diharapkan dapat memberikan dasar penting untuk pengembangan sistem otomatis yang dapat mendeteksi jamur non-edible dengan tingkat akurasi yang baik. Sistem ini diharapkan dapat digunakan oleh berbagai pihak untuk mengidentifikasi jamur non-edible secara cepat dan meningkatkan keselamatan pangan. CNN dengan MobileNetV2 juga dapat digunakan sebagai metode yang dapat menghemat waktu dan sumber daya dalam pelatihan model deteksi jamur non-edible dan menjadikannya solusi yang efisien dalam jangka panjang. Pada penelitian ini didapatkan hasil nilai akurasi dengan model CNN sebesar 0.9190 untuk data training, 0.3950 untuk data validasi, dan 0.5350 untuk data testing sementara itu dengan menggunakan CNN dengan MobileNetV2 didapatkan hasil sebesar 0.9867 untuk data training, 0.51 untuk data validasi, dan 0.67 untuk data testing sehingga didapatkan hasil akurasi yang lebih baik dengan menggunakan CNN dengan MobileNetV2.