Electronic Theses and Dissertation

Abstrak - Karies gigi merupakan kondisi gigi yang rusak ditandai dengan kerusakan jaringan gigi dimulai dari permukaan luar gigi hingga ke pulpa. Karies gigi yang sudah sangat parah hingga berlubang perlu mendapatkan perawatan segera untuk mencegah masalah kesehatan gigi yang lebih serius. Tindakan yang biasanya dilakukan ialah penambalan dan pencabutan gigi yang rusak. Selama ini, proses pemeriksaan pengalaman karies gigi dilakukan oleh dokter gigi dengan
menghitung gigi yang terkena karies, gigi yang hilang dan gigi yang ditambal menggunakan diagram kode gigi manusia yaitu odontogram, catatan tersebut disimpan sebagai hasil rekam medis gigi pasien. Untuk membantu dokter gigi
dalam menghitung dan mencatat pengalaman karies gigi pasien, perlu adanya otomatisasi dalam pemeriksaan pengalaman karies gigi pasien. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model yang dapat mendeteksi pengalaman karies gigi: gigi karies, gigi hilang dan gigi tambal menggunakan varian model arsitektur YOLOv5 dan YOLOv8. Hasil evaluasi pelatihan menunjukkan YOLOv5l dengan learning rate 0.01 telah memberikan kinerja yang
sangat baik dengan nilai precission 0.97 recall 0.888 dan mAP 0.904 selama 1 jam 18 menit. Confidence score pada hasil pengujian juga menunjukkan keunggulan melebihi nilai 0.90.

Kata kunci : Karies Gigi, Deteksi Pengalaman Karies Gigi, Arsitektur YOLOv5 dan YOLOv8

Abstract - Tooth decay is a dental condition characterized by damage to the tooth tissue, starting from the outer surface of the tooth to the pulp. Severe tooth decay that has progressed to cavities requires prompt treatment to prevent more serious dental health problems. Common procedures include filling and extraction of damaged teeth. Currently, the examination process for the experience of tooth decay is carried out by dentists by counting affected teeth, missing teeth, and filled teeth using a human tooth code diagram called an odontogram. This information is stored as part of the patient's dental medical records. To assist dentists in counting and recording patients' experiences of tooth decay, there is a need for automation in the examination of patients' experiences of tooth decay. Therefore, this research aims to develop a model that can detect experiences of tooth decay: decayed teeth, missing teeth, and filled teeth using variants of the YOLOv5 and YOLOv8 model architectures. The training evaluation results show that YOLOv5l with a learning rate of 0.01 has performed very well with a precision value of 0.97, recall of 0.888, and mAP of 0.904 over 1 hour and 18 minutes. The confidence score in the test results also indicates excellence exceeding the value of 0.90. Keywords : Dental Caries, Detection of Dental Caries Experience, YOLOv5 and YOLOv8 Architecture