MUHAMMAD KEYSHA AL YASSAR Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2025 id Indonesia

Skripsi

Karies gigi merupakan salah satu penyakit mulut paling umum dan dapat menyebabkan komplikasi serius jika tidak ditangani. Deteksi dini sangat penting untuk memungkinkan intervensi yang efektif, menurunkan biaya perawatan, serta mencegah kerusakan lebih lanjut. Kemajuan terbaru dalam bidang deep learning telah memungkinkan proses deteksi karies secara otomatis melalui citra klinis. Namun, sebagian besar pendekatan yang ada masih mengandalkan citra dengan pemrosesan minimal, yang masih mengandung struktur tidak relevan dalam proses diagnosis, seperti lidah, bibir, dan gusi, yang dapat mempengaruhi akurasi diagnosis. Penelitian ini mengembangkan model segmentasi gigi berbasis U-Net untuk meningkatkan performa klasifikasi karies gigi menggunakan arsitektur ResNet-50, ResNeXt-50, dan InceptionV3. Model segmentasi dilatih dengan transfer learning menggunakan backbone ResNet-50, VGG19, dan InceptionV3, dievaluasi dengan metrik IoU dan Dice Score. Selanjutnya, model klasifikasi dilatih menggunakan citra asli dan tersegmentasi secara terpisah dengan hyperparameter yang sama. Perbandingan performa dilakukan menggunakan confusion matrix dan analisis confidence interval. Visualisasi Grad-CAM digunakan untuk mengevaluasi fokus model dalam proses pengambilan keputusan. Hasil penelitian menunjukkan peningkatan performa yang konsisten pada semua model ketika segmentasi diterapkan, dengan akurasi tertinggi oleh ResNeXt-50 sebesar 79,17%. Visualisasi Grad-CAM mengonfirmasi bahwa segmentasi membantu model fokus pada area gigi yang relevan, meningkatkan akurasi dan keandalan klasifikasi. Namun, analisis confidence interval menunjukkan bahwa meskipun terdapat peningkatan performa secara konsisten pada seluruh metrik, perbedaan yang diamati tidak signifikan secara statistik. Kata Kunci: Karies Gigi, Klasifikasi Karies, Segmentasi Gigi, Deep Learning, U-Net. CARIES - DENTISTRY NEURAL NETWORKS (COMPUTER SCIENCE) IMAGE PROCESSING - COMPUTER SCIENCE 006.32 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 157655 2025-06-25 15:38:06 2025-06-26 11:18:10 machine generated