KLASIFIKASI JENIS JAMUR BERACUN DAN TIDAK BERACUN
DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)
Total View This Week0
Total View This Week0
Institusion
Universitas PGRI Semarang
Author
Habibi, Muhammadun Basyarul
Subject
T Technology (General)
Datestamp
2024-08-09 07:06:39
Abstract :
Jamur sebagai bentuk tumbuhan unik tanpa akar dan daun, memiliki keanekaragaman yang luas dalam bentuk, ukuran, dan warna. Diperkirakan ada sekitar 1,5 juta jenis jamur di dunia, dengan sekitar 74.000 jenis yang teridentifikasi. Beberapa jenis jamur aman dikonsumsi dan memiliki nilai gizi tinggi serta senyawa antimikroba yang potensial. Namun, identifikasi yang tepat antara jamur beracun dan tidak beracun menjadi krusial untuk mencegah keracunan yang fatal. Dalam penelitian ini, teknologi Artificial Intelligence (AI), khususnya Convolutional Neural Network (CNN), digunakan untuk meningkatkan pemahaman publik tentang jenis-jenis jamur yang aman. Metode pengembangan waterfall diterapkan dalam implementasi aplikasi Android untuk memfasilitasi klasifikasi jamur secara efektif. Model CNN dilatih menggunakan teknik transfer learning dari model BIT-M. Dari dataset yang digunakan sebanyak 23.175 citra jamur, model berhasil mencapai akurasi sebesar 91,82%, dengan validation accuracy mencapai 92,55% setelah dilakukan pelatihan selama 15 epoch. Aplikasi ini telah melalui 4 jenis pengujian, yaitu white box, black box, UAT (User Acceptance Testing), dan pengujian lapangan. Hasil pengujian white box dan black box menunjukkan tingkat keberhasilan 100%, pengujian UAT mendapatkan presentase 86,4% dengan hasil kategori sangat baik, sementara hasil pengujian lapangan menunjukkan bahwa aplikasi berhasil mendeteksi jenis jamur dengan akurat. Kata kunci : Convolutional Neural Network, Transfer Learning, Waterfall, Artificial Intelligence, Android, Jenis Jamur.
Jamur sebagai bentuk tumbuhan unik tanpa akar dan daun, memiliki keanekaragaman yang luas dalam bentuk, ukuran, dan warna. Diperkirakan ada sekitar 1,5 juta jenis jamur di dunia, dengan sekitar 74.000 jenis yang teridentifikasi. Beberapa jenis jamur aman dikonsumsi dan memiliki nilai gizi tinggi serta senyawa antimikroba yang potensial. Namun, identifikasi yang tepat antara jamur beracun dan tidak beracun menjadi krusial untuk mencegah keracunan yang fatal. Dalam penelitian ini, teknologi Artificial Intelligence (AI), khususnya Convolutional Neural Network (CNN), digunakan untuk meningkatkan pemahaman publik tentang jenis-jenis jamur yang aman. Metode pengembangan waterfall diterapkan dalam implementasi aplikasi Android untuk memfasilitasi klasifikasi jamur secara efektif. Model CNN dilatih menggunakan teknik transfer learning dari model BIT-M. Dari dataset yang digunakan sebanyak 23.175 citra jamur, model berhasil mencapai akurasi sebesar 91,82%, dengan validation accuracy mencapai 92,55% setelah dilakukan pelatihan selama 15 epoch. Aplikasi ini telah melalui 4 jenis pengujian, yaitu white box, black box, UAT (User Acceptance Testing), dan pengujian lapangan. Hasil pengujian white box dan black box menunjukkan tingkat keberhasilan 100%, pengujian UAT mendapatkan presentase 86,4% dengan hasil kategori sangat baik, sementara hasil pengujian lapangan menunjukkan bahwa aplikasi berhasil mendeteksi jenis jamur dengan akurat. Kata kunci : Convolutional Neural Network, Transfer Learning, Waterfall, Artificial Intelligence, Android, Jenis Jamur.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
