KLASIFIKASI JENIS JAMUR BERACUN DAN TIDAK BERACUN DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

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.