Meutia Nurvica Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Fisika 2024

Skripsi

Citra panoramik sangat penting bagi dokter gigi untuk mengetahui kondisi gigi pasien sebelum mendapatkan perawatan lebih lanjut. Namun, kemampuan dari radiografi panoramik masih belum mampu untuk memberikan informasi yang terperinci dalam suatu citra, sehingga diperlukan pengolahan citra. Penelitian ini bertujuan untuk mempermudah mendeteksi posisi karies gigi yang terdapat di dalam citra panoramik secara cepat dan tepat dengan menggunakan metode Convolutional Neural Network (CNN). CNN merupakan salah satu algoritma deep learning pengembangan dari multi-layer perceptron (MLP) yang telah banyak digunakan dalam mendeteksi objek. Deteksi karies gigi diawali dengan proses penyiapan citra data latih, pembuatan arsitektur CNN, dan analisis citra pengujian. Citra data latih dipisahkan dengan perbandingan 70% untuk data latih dan 30% untuk data uji dari 3300 keseluruhan citra. Citra dikategorikan ke dalam dua kelas, yaitu karies dan gigi normal, dengan dimensi tinggi 208 piksel dan lebar 208 piksel. Arsitektur CNN yang digunakan memiliki 5 lapisan konvolusi, dengan penggunaan parameter dropout sebesar 20% dengan optimasi adam. Pelatihan dilakukan sebanyak 10 epoch, batch size 32, dan tingkat pembelajaran sebesar 0.001. Deteksi karies gigi dilakukan pada tiga citra uji yang diperoleh dari rumah sakit, masing-masing berasal dari pasien berusia 9 tahun, 40 tahun, dan 52 tahun. Hasil deteksi menunjukkan bahwa pada pasien berusia 9 tahun terdapat 5 posisi karies, pada pasien berusia 40 tahun terdapat 3 posisi karies dan pada pasien berusia 52 tahun terdapat 4 posisi karies yang terdeteksi. GUI yang telah dikembangkan akan membantu pengguna, sehingga akan lebih dapat menganalisis lebih banyak citra lainnya. Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa program deteksi karies telah menunjukkan kemampuan yang cukup baik dalam mendeteksi karies gigi pada citra panoramik. Program ini mampu mencapai akurasi sekitar 82% dalam mendeteksi keberadaan karies gigi pada citra panoramik. Kata kunci : citra panoramik, karies gigi, deep learning, CNN, GUI. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 119648 2024-01-22 15:12:36 2024-01-22 15:24:24 machine generated