DETEKSI JAMUR PADA ROTI TAWAR SECARA REAL-tIME MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Pertumbuhan jamur pada roti merupakan salah şatu cacat mikrobiologis yang paling umum dalam İndustri roti mcnurut Food and Agriclture Organization (FAO). Kondisi İni sulit dicegah karena kandungan kelembapan dan nutrisi dalam roti yang menciptakan lingkungan İdeal bagi pertumbuhan jamur. Pentingnya mendeteksi jamur pada roti dan keterbatasan metode deteksi yang sudah ada mendorong perlunya pengembangan sistem deteksi yang lebih efektif untuk meningkatkan kualitas dan keamanan prodük roti. Penelitian ini bertujuan untuk mengembangkan dan mendeteksi keberadaan jamur pada roti secara realtime, serta mengukur dan menganalisis tingkat akurasi model yang dikembangkan, Metode penelitian menggunakan Research and (R&D) dengan
Mobile, Ve/F2 sebagai model untuk mendeteksi roti berjamur dan tidak berjamur. Data penelİtİan terdiri darİ 640 data primer yang diperoleh dari toko roti di sekitar Medan Marelan Pasar l menggunakan kamera 108 megapixel dengan bantuan pencahayaan lighting 50 watt berdiameter 18 inch. Berdasarkan pengujian 8 model dengan parameter berbeda, diperoleh performa terbaik pada parameter 30000 num_sreps dan 8 dengan akurasi dan total loşs 0.1181, dengan durasi traİnİng 2 jam 18 menit 36 detİk. Dari 64 data uji yang terdiri dari 32 data roti berjamur dan 32 data roti tidak berjamur. model berhasil mendeteksi 30 dari 32 gambar roti berjamur dengan berbagaİ variasi bentuk, ukuran, dan nilaİ IoU, sementara semua gambar roti tidak berjamur berhasil dikategorikan dengan benar. Hasil ini menunjukkan bahwa İmplementasi CNN efektif dan dapat diandalkan dalam mendeteksi keberadaan jamur pada roti.