Deteksi Jamur Kuping dan Champignon Menggunakan Segmentasi Warna dan Bentuk Berbasis Metode Convolutional Neural Network (CNN)

Authors

  • Nadia UPN "Veteran" Jawa Timur
  • Yuaini Pranajelita UPN "Veteran" Jawa Timur
  • Erwin UPN "Veteran" Jawa Timur
  • Ahsanur UPN "Veteran" Jawa Timur
  • Hendra Maulana Informatika, Universitas Pembangunan Nasional “Veteran” Jawa Timur

Keywords:

Segmentasi, Convulutionan Neural Network (CNN), jamur, augmentasi, klasifikasi

Abstract

Penelitian ini mengeksplorasi penggunaan segmentasi warna dan bentuk yang dikombinasikan dengan Convolutional Neural Network (CNN) untuk mendeteksi dan mengklasifikasikan jamur Kuping dan Champignon. Kualitas dan keamanan jamur konsumsi sering terancam oleh kondisi pertumbuhan yang tidak optimal dan potensi kontaminasi. Metode deteksi tradisional yang mengandalkan inspeksi visual manual sering kali memakan waktu dan tidak akurat. Dalam penelitian ini, dataset yang digunakan terdiri dari 246 gambar jamur dengan berbagai kondisi pencahayaan dan latar belakang. Segmentasi warna dan bentuk digunakan untuk menyoroti fitur-fitur penting yang membedakan jenis jamur. Model CNN yang dirancang terdiri dari beberapa lapisan konvolusi dan pooling, diikuti oleh lapisan fully connected untuk klasifikasi akhir. Teknik augmentasi data seperti rotasi, zoom, dan flip horizontal diterapkan untuk meningkatkan kemampuan generalisasi model. Setelah pelatihan selama 100 epoch, model mencapai akurasi sebesar 92% pada dataset pengujian. Hasil ini menunjukkan bahwa segmentasi warna dan bentuk secara signifikan meningkatkan akurasi model.

References

Arifin, M. J. (2022). Strategi Operasi Produksi Pengembangan Usaha Media Jamur Tiram Magetan (Undergraduate thesis, IAIN Ponorogo). Retrieved from http://etheses.iainponorogo.ac.id/id/eprint/20664

Budi, E. S., Chan, A. N., Alda, P. P., & Idris, M. A. F. (2024). Optimasi model machine learning untuk klasifikasi dan prediksi citra menggunakan algoritma convolutional neural network. RESOLUSI, 4(5). https://doi.org/10.30865/resolusi.v4i5.1892

Candra F., D., Wibisono, G., Ayu F., M., & Afrad, M. (2024). Transfer Learning model Convutional Neural Network menggunakan VGG-16 untuk Klasifikasi Tumor Otak pada Citra Hasil MRI. Vol 3 No 1, Februari.

Fansyuri, M. . (2023). Analisis Algoritma Neural Network Untuk Identifikasi Jenis Apel Berbasis Ekstraksi Fitur Bentuk Dan Warna . LOGIC : Jurnal Ilmu Komputer Dan Pendidikan, 1(6), 1662–1671. Retrieved from https://www.journal.mediapublikasi.id/index.php/logic/article/view/4168

Fitriyah Ningsih, D. (2021). Klasifikasi Jenis Penyakit Daun Kentang menggunakan Convolutional Neural Network (CNN) Model Arsitektur GoogLeNet. Retrieved from https://repository.yudharta.ac.id/id/eprint/1362

Fuadah, Y. N., Ubaidullah, I. D., Ibrahim, N., Taliningsing, F. F., Sy, N. K., & Pramuditho, M. A. (2022). Optimasi Convolutional Neural Network dan K-Fold Cross Validation pada Sistem Klasifikasi Glaukoma. Elkomika, 10(3). https://doi.org/10.26760/elkomika.v10i3.728

Hauzan, S. A. (2023). Penerapan Convolutional Neural Network dalam Pengklasifikasian Citra Gambar Jamur Beracun. xiii, 79 hlm; 28 cm.

Idrus, T. (2022). Identifikasi penyakit pada tanaman apel menggunakan convolutional neural network berbasis citra daun (Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim). Retrieved from http://etheses.uin-malang.ac.id/id/eprint/37548

Kusumaningrum, T. F. (2024). Implementasi Convolution Neural Network (CNN) untuk Klasifikasi Jamur Konsumsi di Indonesia menggunakan Keras. Retrieved from https://dspace.uii.ac.id/handle/123456789/7781

Mulyati, S., Amini, S., & Juliasari, N. (2014). Perancangan Data Warehouse untuk Pengukuran Kinerja Pengajaran Dosen: Studi Kasus Fakultas Teknologi Informasi Universitas Budi Luhur. Jurnal TELEMATIKA MKOM, 6(1).

Nugroho, M. S., & Nurraharjo, E. (2023). Klasifikasi hama tanaman padi berdasarkan citra daun menggunakan metode convolutional neural network. BIOEDUSAINS: Jurnal Pendidikan Biologi dan Sains, 6(2). https://doi.org/10.31539/bioedusains.v6i2.8080

Putri, O. N. (2020). Implementasi Metode CNN dalam Klasifikasi Gambar Jamur pada Analisis Image Processing (Studi Kasus: Gambar Jamur dengan Genus Agaricus dan Amanita). Retrieved from http://dspace.uii.ac.id/123456789/23677

Raihan Maulana, Raisya Dwi Zahra Putri, Sindy Fitriani Margareth Sihaloho, & Sri Mulyana. (2023). Implementasi Algoritma Convolutional Neural Network Dalam Mengklasifikasi Jenis Burung. Journal of Creative Student Research, 1(6), 221–231. https://doi.org/10.55606/jcsrpolitama.v1i6.2966

Shalihat, B. (2023). Implementasi metode rule-based pada proses silabifikasi dalam bahasa Aceh (Other thesis, Universitas Islam Negeri Ar-Raniry).

Zambare, V. P., & Kulkarni, S. A. (2011). Identification of Fungal Contaminants in Food. International Journal of Biotechnology, 8(2), 14-19.

Downloads

Published

2024-09-27

How to Cite

Dita Salsabila, N. ., Pranajelita, Y., Erdiyanto, E. ., Rafi, A. ., & Maulana, H. (2024). Deteksi Jamur Kuping dan Champignon Menggunakan Segmentasi Warna dan Bentuk Berbasis Metode Convolutional Neural Network (CNN). Prosiding Seminar Nasional Informatika Bela Negara, 4, 45–49. Retrieved from https://santika.upnjatim.ac.id/submissions/index.php/santika/article/view/331

Issue

Section

Articles

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.

Similar Articles

1 2 3 > >> 

You may also start an advanced similarity search for this article.