Electronic Theses and Dissertation

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.

Panoramic images are very important for dentists to know the patient's dental condition before getting further treatment. However, the ability of panoramic radiography is still not able to provide detailed information in an image, so image processing is needed. This study aims to make it easier to detect the position of dental caries contained in panoramic images quickly and precisely using the Convolutional Neural Network (CNN) method. CNN is one of the deep learning algorithms developed from multi-layer perceptron (MLP) which has been widely used in detecting objects. Dental caries detection begins with the process of preparing training data images, creating CNN architecture, and analyzing test images. Training data images arevii separated with a ratio of 70% for training data and 30% for test data from 3300 total images. Images are categorized into two classes, namely caries and normal teeth, with dimensions of 208 pixels high and 208 pixels wide. The CNN architecture used has 5 convolution layers, with the use of a dropout parameter of 20% with adam optimization. Training was performed for 10 epochs, batch size 32, and learning rate 0.001. Dental caries detection was performed on three test images obtained from the hospital, each of which came from patients aged 9 years, 40 years, and 52 years. The detection results show that in 9-year-old patients there are 5 caries positions, in 40- year-old patients there are 3 caries positions, and in 52-year-old patients there are 4 caries positions detected. The GUI that has been developed will help users, so that they will be able to analyze more images. Based on the results of this study, it can be concluded that the caries detection program has shown a fairly good ability to detect dental caries in panoramic images. The program is able to achieve an accuracy of about 82% in detecting the presence of dental caries in panoramic images. Keywords: panoramic image, dental caries, deep learning, CNN, GUI.