IDENTIFIKASI JAMUR YANG LAYAK DAN TIDAK LAYAK KONSUMSI MELALUI CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR EFFICIENTNET - Dalam bentuk buku karya ilmiah

ADRIAN JOSE PANAHATAN

Informasi Umum

Kode

23.04.7502

Klasifikasi

006.32 - Neural networks, perceptrons, connectionism, neural computers

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning, Neural Networks,

Informasi Lainnya

Abstraksi

Jamur adalah kelompok organisme yang sangat menarik yang mempunyai kingdom tersendiri yaitu Fungi. Jamur memiliki berbagai bentuk, ukuran dan warna. Kita bisa menemukan jamur hampir di setiap sudut dunia. Di Indonesia sendiri diperkirakan memiliki 200.000 spesies fungi dari 1,5 juta - 3 juta fungi di dunia. Sementara beberapa jamur dapat dimakan dan memiliki nilai gizi yang tinggi, ada juga jamur beracun yang bisa menyebabkan morbiditas hingga kematian bagi yang mengonsumsinya, sehingga dibutuhkan analisis untuk membedakannya

Pada penelitian ini diusulkan desain sistem klasifikasi jamur tidak beracun dan beraun menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur EfficientNet. Selain itu, penelitian ini memanfaatkan citra digital yang berasal dari data sekunder yaitu platform Kaggle. Penelitian ini melakukan proses akuisisi citra dengan dataset yang terdiri dari 2 kelas. Kelas tersebut terdiri dari 3000 citra jamur beracun dan 3000 citra jamur tidak beracun. Dari dataset keseluruhan dibagi menjadi 80% data latih, 20% data uji.

Kinerja sistem diukur dengan menggunakan beberapa parameter pengujian diantaranya image size, optimizer, learning rate, nilai epoch, dan batch size. Setelah dilakukan pengujian skenario hasil tersebut dianalisis menggunakan parameter-parameter penguji. Kondisi optimal diperoleh dengan parameter-parameter, yaitu resize citra 224 x 224 pixel, optimizer Nadam, epoch 60, learning rate 0,0001 dan batch size 16. Dengan nilai akurasi sebesar 89% dan nilai loss 0,7963.

Kata Kunci: Jamur, Convolutional Neural Network, Citra, EfficientNet..