PERANCANGAN APLIKASI MOBILE UNTUK KLASIFIKASI JAMUR BERACUN DAN AMAN DIKONSUMSI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Difa, Muhammad Jovi Syawal (2026) PERANCANGAN APLIKASI MOBILE UNTUK KLASIFIKASI JAMUR BERACUN DAN AMAN DIKONSUMSI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN). Diploma thesis, Universitas Nasional.

	Text Cover.pdf Download (2MB)
	Text BAB I.pdf Download (419kB)
	Text BAB II.pdf Download (569kB)
	Text BAB III.pdf Download (739kB)
	Text BAB IV.pdf Download (554kB)
	Text BAB V.pdf Download (281kB)
	Text Lampiran.pdf Download (669kB)

Abstract

Penelitian ini mengembangkan aplikasi Android klasifikasi jamur edible dan poisonous berbasis
Convolutional Neural Network (CNN) ringan menggunakan arsitektur MobileNetV3Small yang
dijalankan secara on-device melalui TensorFlow Lite tanpa ketergantungan koneksi internet. Dataset
citra jamur diperoleh dari Kaggle (Edible & Poisonous Mushroom Classification, 2.820 citra, MIT
License) dan dibagi 70:15:15 untuk pelatihan, validasi, dan pengujian. Model mencapai akurasi 90,07%
pada data validasi dan 85,46% pada data uji dengan Expected Calibration Error (ECE) 0,0602–0,0792,
menunjukkan probabilitas keluaran yang terkalibrasi baik. Untuk mengatasi risiko 15 false positive pada
kelas beracun (11,4%), diterapkan kebijakan inferensi safety-first dengan ambang keputusan asimetris
(τedible = 0,90; τpoisonous = 0,60), mekanisme abstain, penolakan masukan out-of-distribution, dan
test-time augmentation ringan, sehingga sistem mengutamakan keselamatan pengguna di atas
kelengkapan prediksi.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 02:53
Last Modified:	28 Apr 2026 02:53
URI:	https://repository.unas.ac.id/id/eprint/15409

Actions (login required)

View Item