CHESYIEL NASHRIFA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro dan Komputer 2025

Skripsi

Karies gigi adalah penyakit pada jaringan gigi yang ditandai dengan kerusakan jaringan yang meluas dari email, apabila tidak segera dibersihkan dan ditambal karies akan berkembang ke lapisan dentin dan akhirnya mencapai pulpa yang menjadi tempat saraf dan pembuluh darah. Sehingga menyebabkan sakit kepala, gigi tanggal dan infeksi sistemik, serta infeksi gusi yang menyebabkan pembengkakan, kemerahan, atau bahkan abses gusi. Pemeriksaan karies gigi yang dilakukan dokter gigi dilakukan secara manual dengan mengamati gigi yang terkena karies. Oleh karena itu penerapan deep learning digunakan untuk mempermudah dokter gigi, dengan dilakukannya pengembangan model klasifikasi gigi karies dan gigi normal menggunakan ResNet50. Namun dalam penerapannya hasil akurasi yang didapat pada penelitian sebelumnya masih belum maksimal dikarenakan citra pada dataset yang sedikit buram sehingga perlu adanya preprocessing tambahan berupa Contrast Limited Adaptive Histogram Equalization (CLAHE) yang dapat secara efektif meningkatkan kontras untuk meningkatkan visualisasi detail dan tekstur pada citra gigi. Hasil penelitian menunjukkan bahwa model ResNet50 yang dikembangkan berhasil mengklasifikasikan gigi karies dan gigi normal dengan akurasi yang baik. Gambar yang telah melalui tahap preprocessing memberikan performa lebih baik dibandingkan gambar non-CLAHE. Evaluasi dilakukan berdasarkan metrik seperti akurasi, precision, recall, specificity, dan F1-score. Akurasi terbaik ditunjukkan pada learning rate 10-4 dengan batch size 16 dengan akurasi pengujian pada citra tanpa CLAHE sebesar 79% dan dengan citra menggunakan CLAHE sebesar 84% akan tetapi terdapat perbedaan yang jauh antara akurasi training dan akurasi validasi. Sebaliknya kurva terbaik pada learning rate 10-6 batch size 32 dengan akurasi pengujian pada citra tanpa CLAHE mencapai 70%, sedangkan citra yang diproses dengan CLAHE mencapai akurasi sebesar 75%. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 148927 2025-01-22 15:39:43 2025-01-22 15:57:21 machine generated