IMPLEMENTASI ANDROID JETPACK COMPOSE PADA APLIKASI MACHINE LEARNING SIJAMUR UNTUK PREDIKSI KONSUMSI JAMUR BERACUN

Aug 3, 2026

Penelitian ini mengembangkan aplikasi SiJamur untuk membantu membedakan jamur aman dan beracun melalui pendekatan machine learning serta antarmuka mobile. Aplikasi memanfaatkan data jamur dari UCI Machine Learning Repository dan mengimplementasikan algoritma Support Vector Machine (SVM), Random Forest, serta Decision Tree. Pengembangan dilakukan dengan Jetpack Compose, yaitu toolkit modern antarmuka Android berbasis deklaratif. Hasil pengujian menunjukkan akurasi tertinggi SVM sebesar 100%, diikuti Random Forest 98% dan Decision Tree 95%. Aplikasi menyediakan fitur prediksi dan informasi jenis jamur sebagai dukungan keamanan pangan.

BahasaIndonesian

KategoriTeknologi

FormatPDF

Halaman9

Waktu Membaca14 mnt

AksesGratis untuk diunduh

Daftar Isi

Pendahuluan

Latar belakang dan masalah

Tujuan penelitian

Tinjauan Pustaka

Penelitian terdahulu

Landasan teori

| Jurnal Informatika Teknologi dan Sains (JINTEKS) E-ISSN : 2686-3359
Submission Mei 30, 2025 | Revised Jun 02, 2025 | Accepted Jun 20, 2025 | Hal. 904-912 Vol. 7; No. 2 Mei 2025 | | --- | --- | IMPLEMENTASI ANDROID JETPACK COMPOSE PADA APLIKASI MACHINE LEARNING SIJAMUR UNTUK PREDIKSI KONSUMSI JAMUR BERACUN Haikal Ferdiansyah Siregar1*, Afwan Anggara2 1Informatika, Universitas Teknologi Yogyakarta 2Sistem Informasi, Universitas Teknologi Yogyakarta [email](email: haikalfsgr@gmail.com1)[: haikalfsgr@gmail.com](email: haikalfsgr@gmail.com1)[1](email: haikalfsgr@gmail.com1)* Abstrak: Banyak masyarakat kini mulai sadar pentingnya makan sehat, termasuk memilih bahan makanan yang aman sepertijamur. Produksi jamur pun semakin meningkat dan beragam jenis jamur tersedia di pasaran, sehingga diperlukan cara mudah untukmembedakan jamur yang aman dan beracun. Penelitian ini mengembangkan aplikasi SiJamur dengan menggunakan data jamur dari UCI Machine Learning Repository dan menerapkan algoritma machine learning Support Vector Machine (SVM), Random Forest, dan Decision Tree. Aplikasi ini dikembangkan dengan Jetpack Compose, sebuah fitur pengembangan anatarmuka untuk platform mobile android yang tidak menggunakan XML. Hasil pengujian menunjukkan SVM memberikan akurasi tertinggi sebesar 100%, diikuti oleh Random Forest dengan 98% dan Decision Tree dengan 95% . Aplikasi SiJamur menyediakan fitur prediksi dan informasi mengenai berbagai jenis jamur untuk membantu masyarakat mengenali jamur yang aman dikonsumsi. Penelitian ini juga menunjukkan bahwakombinasi antara machine learning dan pengembangan mobile dapat memberikan solusi nyata dalam bidang keamanan pangan, khususnya dalam konteks identifikasi organisme liar yang sulit dibedakan secara visual oleh masyarakat awam. Kata Kunci : Klasifikasi, Machine Learning, Algoritma, Jetpack Compose, Jamur PENDAHULUAN Kesadaran masyarakat terhadap konsumsi makanan sehat dan aman, terutama dalam menghindari jamur beracun, terus meningkat karena risiko keracunan yang serius. Di sisi lain, produksi jamur di dunia sangat melimpah dan terus meningkat setiap tahunnya. Menurut data FAO, produksi jamur global mencapai lebih dari 11 juta ton per tahun, mencakup berbagai jenis jamur seperti Agaricus bisporus (jamur kancing), Lentinula edodes (shiitake), Pleurotus spp.(jamur tiram), dan ratusan spesies lainnya, termasuk yang bersifat toksik atau beracun [1] . Keanekaragaman ini menyulitkan identifikasi visual secara akurat, terutama bagi masyarakat awam yang tidak memiliki pengetahuan mendalam mengenai morfologijamur. Algoritma machine learning seperti Support Vector Machine (SVM), Random Forest, dan Decision Tree telah banyak digunakan untuk klasifikasi objek biologis dengan akurasi tinggi [2], [3] . Jetpack Compose, sebagai toolkit modern pengembangan antarmuka Android, mempermudah pembuatan aplikasi yang responsif dan user-friendly [4] . Meskipun banyak aplikasi identifikasi jamur, sebagian besar masih mengandalkan metode konvensional yang kurangefektif dalam akurasi dan pengalaman pengguna [5] . Implementasi teknologi terbaru dalam pengembangan aplikasi mobile dapat meningkatkan performa dan kecepatan prediksi, sekaligus memberikan kemudahan akses bagi pengguna dalam mengidentifikasi jamur beracun secara tepat waktu. Penelitian ini bertujuan mengembangkan aplikasi SiJamur yang mengintegrasikan Jetpack Compose dan algoritma machine learning seperti SVM, Random Forest, dan Decision Tree untuk prediksi kelayakan konsumsi jamur. Dengandemikian, aplikasi ini diharapkan dapat meningkatkan keamanan pangan sekaligus memberikan pengalaman pengguna yang lebih baik dan interaktif. TINJAUAN PUSTAKA Penelitian ini melakukan kajian terhadap sejumlah penelitian terdahulu untuk membandingkan kelebihan dan kekurangan metode yang telah digunakan, terutama dalam konteks klasifikasi menggunakan algoritma machine learning. Sari dkk. [6] membandingkan kinerja Naïve Bayes, Support Vector Machine (SVM), da

Pertanyaan Umum

Apa tujuan utama penelitian ini?

Mengembangkan aplikasi SiJamur yang mengintegrasikan Jetpack Compose dengan algoritma machine learning untuk prediksi kelayakan konsumsi jamur.

Algoritma machine learning apa saja yang digunakan pada aplikasi SiJamur?

Support Vector Machine (SVM), Random Forest, dan Decision Tree digunakan untuk melakukan klasifikasi jamur.

Bagaimana hasil akurasi model pada pengujian?

SVM mencapai akurasi tertinggi 100%, kemudian Random Forest 98%, dan Decision Tree 95%.

Aug 3, 2026

Unggah oleh Evangeline