IMPLEMENTASI KLASIFIKASI JAMUR KONSUMSI MENGGUNAKAN EFFICIENTNET

Pradipta, Muhamad Nabil (2025) IMPLEMENTASI KLASIFIKASI JAMUR KONSUMSI MENGGUNAKAN EFFICIENTNET. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (1MB)
[img] Text (BAB I)
BAB I.pdf
Download (162kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (476kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (302kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (237kB)
[img] Text (BAB V)
BAB V.pdf
Download (73kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (101kB)
[img] Archive (SOURCE CODE)
Sourcecode - 18.11.2371.zip
Restricted to Repository staff only
Download (3MB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (1MB)

Abstract

Jamur liar memiliki beragam jenis, di antaranya terdapat jamur yang dapat dikonsumsi dan jamur beracun. Banyak kasus keracunan terjadi akibat kesalahan mengidentifikasi jamur beracun sebagai jamur yang dapat dikonsumsi, karena beberapa spesies jamur beracun memiliki morfologi yang mirip dengan jamur layak konsumsi. Oleh karena itu, diperlukan sistem klasifikasi jamur berbasis citra secara otomatis untuk membantu identifikasi jamur secara cepat dan akurat. Penelitian ini mengimplementasikan Convolutional Neural Network (CNN) dengan arsitektur EfficientNet-B0 untuk mengklasifikasikan citra jamur ke dalam kategori dapat dikonsumsi atau beracun. Penelitian ini melakukan pengujian terhadap dua model augmentasi berbeda. Model CNN dikembangkan dengan metode transfer learning menggunakan bobot awal EfficientNet-B0 yang telah dilatih, kemudian dilakukan fine-tuning menggunakan dataset gambar jamur untuk mengoptimalkan kinerja klasifikasi. Penelitian klasifikasi biner ini berhasil membedakan jamur yang dapat dikonsumsi dari jamur beracun dengan akurasi model akhir sebesar 53%. Hasil ini menunjukkan bahwa pendekatan CNN berbasis EfficientNet-B0 efektif dalam mengklasifikasikan jamur secara otomatis dengan akurasi yang cukup tinggi, sehingga berpotensi mendukung upaya pencegahan kesalahan konsumsi jamur beracun.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Baita, Anna
Uncontrolled Keywords: Klasifikasi Jamur, Convolutional Neural Network, EfficientNet-B0, Tranfer Learning, Partial Fine-Tuning
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 20 Nov 2025 01:27
Last Modified: 20 Nov 2025 01:27
URI: http://eprints.amikom.ac.id/id/eprint/31272

Actions (login required)

View Item View Item