Jamur memiliki potensi besar sebagai sumber nutrisi, tetapi beberapa jenisnya mengandung racun yang berbahaya bagi tubuh manusia. Identifikasi jamur secara visual sering kali sulit dilakukan karena kemiripan morfologi antara jamur layak konsumsi dan beracun. Untuk mengatasi tantangan ini, penelitian ini bertujuan mengembangkan sistem klasifikasi jamur berbasis Convolutional Neural Network (CNN) dengan arsitektur EfficientNetV2. Selain itu, penelitian ini juga membandingkan performa arsitektur EfficientNetV2 dengan EfficientNet untuk menilai efektivitas dan efisiensi kedua model dalam tugas klasifikasi.
Dataset yang digunakan terdiri dari 6.000 gambar jamur, masing-masing kelas terdiri dari 3.000 gambar. Dataset melewati proses pre-processing yang meliputi resizing, augmentasi dan pembagian menjadi data latih serta uji. Penelitian ini juga menggunakan teknik cross-validation untuk mengevaluasi konsistensi model dalam memprediksi data