Indonesia memiliki keanekaragaman hayati
termasuk berbagai jenis jamur. Beberapa di antaranya aman
dikonsumsi sementara lainnya beracun. Identifikasi yang salah
dapat menyebabkan keracunan serius sehingga dibutuhkan
sistem yang mampu mengklasifikasikan jenis jamur secara
otomatis. Penelitian ini bertujuan mengembangkan sistem
klasifikasi jamur layak konsumsi menggunakan metode
Convolutional Neural Network (CNN) dengan arsitektur
EfficientNetV2. Dataset terdiri dari 3000 citra jamur layak
konsumsi dan 3000 citra jamur tidak layak konsumsi yang
diperoleh dari Kaggle. Tahapan penelitian meliputi
preprocessing citra, augmentasi data, tuning hyperparameter,
dan evaluasi menggunakan confusion matrix. Hasil penelitian
menunjukkan bahwa kombinasi hyperparameter learning rate
0.0001, batch size 32 dan 50 epoch memberikan akurasi tertinggi
sebesar 95,75%. Sistem ini diharapkan mampu membantu
masyarakat dalam mengidentifikasi jamur dengan lebih aman
dan akurat.