<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="117020">
 <titleInfo>
  <title>PENGEMBANGAN DATASET CITRA KLINIS GIGI UNTUK DETEKSI KARIES DENGAN PENERAPAN ARSITEKTUR DEEP LEARNING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>HANDIKA RAHAYU</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Elektro dan Komputer</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Karies Gigi adalah penyakit yang merusak gigi dan jaringan keras gigi, yaitu email, dentin dan sementrum didalam mulut. Karies gigi disebabkan oleh bakteri Streptococcus mutans yang merupakan kuman kariogenik karena mampu membuat lubang pada gigi. Karies gigi juga dapat menghambat perkembangan gizi, peradangan dimulut, timbul nanah hingga penyakit jantung. Selama ini dokter gigi melakukan inspeksi secara langsung untuk pemeriksaan karies, metode itu diangggap sudah tidak efisien dan memakan waktu. Oleh karena itu, penelitian ini bertujuan mengumpulkan dataset primer citra klinis gigi yang terdiri dari dua kelas yaitu karies dan normal. Gambar diambil dibawah pencahayaan ruangan dengan jarak 20 cm antara lensa dengan subjek serta diperlukan cermin intraoral dan dental mouth gate untuk membantu agar gigi dapat difoto dengan jelas. Kemudian akan dibangun model deep learning menggunakan dataset yang telah dikumpulkan lalu dilakukan evaluasi model dengan arsitektur ResNet-50. Pelatihan model dilakukan menggunakan hyperparameter yang telah ditentukan. Hasil terbaik yang diperoleh dari penelitian ini adalah model mampu membedakan kelas karies dan normal dengan learning rate 10-5, batch size 32 dan epoch 300 dimana performa model mendapatkan hasil pengujian yaitu nilai akurasi 71%, precision 71%, recall 71% dan F1-Score 71%.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>117020</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-11-14 16:09:04</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-11-15 08:35:54</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>