SISTEM DETEKSI OTOMATIS GIGI KARIES PADA CITRA FOTOGRAFI MENGGUNAKAN METODE C-NN

Stanly, Jonathan (2023) SISTEM DETEKSI OTOMATIS GIGI KARIES PADA CITRA FOTOGRAFI MENGGUNAKAN METODE C-NN. Other thesis, Universitas Multi Data Palembang.

[img] Text
3 (1).pdf

Download (1MB)

Abstract

Kesehatan gigi dan mulut merupakan suatu kondisi dimana jaringan keras dan jaringan lunak yang terdapat dalam rongga mulut dalam keadaan sehat, bebas dari segala penyakit serta gangguan estetik atau penyebab dari mulut dan gigi tersebut adalah gigi karies. Gigi karies merupakan penyakit pada jaringan gigi yang diawali dengan terjadinya kerusakan jaringan yang dimulai dari permukaan gigi (Pit, Fissure, dan daerah interproximal), kemudian meluas kearah pulpa dan gigi merupakan stuktur keras yang ada di dalam mulut manusia yang sering mengkonsumsi makanan manis. Efek dari konsumsi makanan manis adalah berupa gigi berlubang sampai gigi karies. Dari hasil wawancara dengan masyarakat banyak yang tidak bisa membedakan gigi karies dan gigi berlubang. Maka dari itu penelitian yang dibuat ini bertujuan untuk membangun suatu sistem yang mampu mengenali apakah gigi tersebut karies atau tidak karies. Dataset yang digunakan terdiri dari 500 citra, masing-masing 250 citra untuk gigi karies dan tidak karies dengan pembagian 80% untuk data latih, 10% untuk data validation, dan 10% untuk data testing. Berdasarkan metode Convolutional Neural Network dengan arsiktetur Vgg-16 yang menghasilkan hasil evaluasi berupa nilai akurasi sebesar 79%, Recall 75%, F1-Score 79% serta hasil dari SUS untuk kepuasan pengguna aplikasi sebesar 51%.

Item Type: Thesis (Other)
Uncontrolled Keywords: Convolutional Neural Network, Gigi, Vgg-16, Web
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Ilmu Komputer dan Rekayasa > Informatika
Depositing User: Farhani R
Date Deposited: 19 Sep 2024 03:33
Last Modified: 19 Sep 2024 03:33
URI: http://rama.mdp.ac.id:84/id/eprint/667

Actions (login required)

View Item View Item