Implementasi Machine Learning untuk Identifikasi Jamur pada Aplikasi Android Menggunakan Algoritma Convolutional Neural Network
DOI:
https://doi.org/10.52436/1.jpti.945Kata Kunci:
jamur, CNN, android, identifikasiAbstrak
Kurangnya pengetahuan masyarakat dalam mengenali jamur beracun di Indonesia masih menjadi masalah serius yang dapat menyebabkan kasus keracunan, terutama di daerah yang memiliki kebiasaan mengonsumsi jamur liar. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis Android yang dapat membantu masyarakat dalam mengidentifikasi jenis jamur secara otomatis sebagai upaya pencegahan keracunan. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2, yang diimplementasikan menggunakan TensorFlow Lite agar dapat dijalankan secara efisien pada perangkat mobile. Dataset terdiri dari 2000 citra jamur yang dibagi dalam rasio 80% untuk pelatihan dan 20% untuk validasi, dengan pelatihan dilakukan selama 30 epoch. Model yang dihasilkan mencapai akurasi pelatihan sebesar 83% dan akurasi pengujian sebesar 85%. Aplikasi yang dikembangkan mampu melakukan identifikasi secara cepat dan akurat, serta memiliki potensi besar untuk meningkatkan kesadaran masyarakat terhadap keamanan pangan. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi berbasis kecerdasan buatan di bidang kesehatan dan keamanan pangan.
Unduhan
Referensi
U. Sri Rahmadhani and N. Lysbetti Marpaung, “Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN,” Jurnal Informatika: Jurnal pengembangan IT (JPIT), vol. 8, no. 2, May 2023, doi: https://doi.org/10.30591/jpit.v8i2.5229.
U.?: Beberapa et al., “BEBERAPA JAMUR LIAR YANG BERPOTENSI MENYEBABKAN KERACUNAN DI INDONESIA,” J Biol (Denpasar), vol. 18, no. 1, pp. 42–56, 2025, doi: 10.15408/kauniyah.v18i1.34781.
I. P. Putra and R. Hermawan, “Identifikasi Jamur Beracun Clitocybe sp. di Gresik, Indonesia (Studi Kasus),” Media Penelitian dan Pengembangan Kesehatan, vol. 31, no. 2, pp. 119–124, Aug. 2021, doi: 10.22435/mpk.v31i2.4352.
I. Permana Putra Divisi Mikologi, D. Biologi, I. Pertanian Bogor, G. Biologi Jl Agatis Kampus IPB Darmaga, and J. Barat, “Kasus-Kasus Keracunan Chlorophyllum cf. molybdites di Indonesia,” Mar. 2021. doi: https://doi.org/10.36987/jpbn.v7i1.1984.
A. Rizal, I. 1?, and T. N. Suharsono, “Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Citra Jamur Berbasis Mobile,” INNOVATIVE: Journal Of Social Science Research, vol. 3, pp. 864–875, Oct. 2023, Accessed: May 14, 2025. [Online]. Available: https://j-innovative.org/index.php/Innovative/article/view/4935
E. Iedfitra Haksoro and A. Setiawan, “PENGENALAN JAMUR YANG DAPAT DIKONSUMSI MENGGUNAKAN METODE TRANSFER LEARNING PADA CONVOLUTIONAL NEURAL NETWORK,” Online, May 2021. doi: https://doi.org/10.31961/eltikom.v5i2.428.
S. Alden and B. N. Sari, “Implementasi Algoritma CNN Untuk Pemilahan Jenis Sampah Berbasis Android Dengan Metode CRISP-DM,” Jurnal Informatika, vol. 10, no. 1, pp. 62–71, Mar. 2023, doi: 10.31294/inf.v10i1.14985.
Norfajrina, Istiqamah, and Sari Indriyani, “Jenis-Jenis Jamur (Fungi) Makroskopis Di DesaBandar Raya Kecamatan Tamban Catur,” 2021, doi: https://doi.org/10.18592/ak.v1i1.5156.
N. Fajria, dan Yulindon, J. Teknik Elektro, P. Negeri Padang, J. Limau Manih Padang, and C. Author, “Deteksi Jamur Beracun dan Tidak Beracun Menggunakan CNN dan YOLO,” 2024, doi: 10.30630/eji.0.0.453.
R. Juan, H. Butar-Butar, and N. Lysbetti Marpaung, “Deep Learning untuk Identifikasi Daun Tanaman Obat Menggunakan Transfer Learning MobileNetV2,” vol. 8, no. 2, 2023, doi: https://doi.org/10.30591/jpit.v8i2.5217.
F. Paramudita and M. I. Zulfa, “Aplikasi Android Pendeteksi Kualitas Beras Berbasis Machine Learning Menggunakan Metode Convolutional Neural Network,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 3, no. 7, pp. 297–305, Aug. 2023, doi: 10.52436/1.jpti.310.
R. Roslidar, M. R. Syahputra, R. Muharar, and F. Arnia, “Adaptasi Model CNN Terlatih pada Aplikasi Bergerak untuk Klasifikasi Citra Termal Payudara,” Jurnal Rekayasa Elektrika, vol. 18, no. 3, Sep. 2022, doi: 10.17529/jre.v18i3.8754.
E. Yohanes Meol, D. Nababan, Y. P. K. Kelen, P. Studi, T. Informasi, and U. Timor, “Sistem Informasi Penjualan Ikan pada Kefamenanu Berbasis Android Menggunakan Metode Waterfall,” 2023. doi: https://doi.org/10.58982/krisnadana.v3i2.527.
J. Shadiq, A. Safei, R. Wahyudin Ratu Loly, C. sitasi, L. Rwr, and P. Aplikasi Peminjaman Kendaraan Operasional Kantor Menggunakan BlackBox Testing, “Pengujian Aplikasi Peminjaman Kendaraan Operasional Kantor Menggunakan BlackBox Testing,” Information Management for Educators and Professionals, vol. 5, no. 2, pp. 97–110, Jun. 2021, doi: https://doi.org/10.51211/imbi.v5i2.1561.
M. Wasil, “Pengaruh Epoch pada Akurasi menggunakan Convolutional Neural Network untuk Klasifikasi fashion dan Furniture,” Jurnal Informatika dan Teknologi, vol. 5, no. 1, p. 53, Jan. 2022, doi: 10.29408/jit.v5i1.4393.
