Putri Rizkiah Primary Author mixed material bibliography Banda Aceh Program Studi Magister Teknik Elektro Unsyiah 2025 id Indonesia

Theses

Kesehatan gigi dan mulut merupakan masalah krusial yang membutuhkan sistem deteksi dini yang akurat. Deteksi dini sangat penting karena berperan dalam mencegah kerusakan gigi yang lebih parah serta menghindari komplikasi serius. Namun, model deteksi yang ada saat ini masih kurang efektif, terutama ketika hanya mengandalkan model klasifikasi individu. Pendekatan tersebut menghadapi berbagai tantangan, seperti akurasi yang terbatas dan hasil prediksi yang tidak stabil. Kelemahan ini pada akhirnya dapat menghambat proses diagnostik, memperlambat pengambilan keputusan klinis, serta meningkatkan risiko kesalahan dalam perawatan pasien. Untuk mengatasi tantangan ini, studi ini mengusulkan pendekatan ensemble voting yang mengintegrasikan lima model deep learning, seperti ResNet152, MobileNetV2, InceptionV3, NasNetMobile, dan EfficientNetB5, untuk meningkatkan akurasi dan stabilitas deteksi karies gigi. Setiap model dilatih dan diuji secara independen pada dataset citra medis yang sama. Hasil prediksi kemudian digabungkan menggunakan metode soft voting dan hard voting, di mana kelas akhir ditentukan berdasarkan aturan mayoritas dari lima model untuk hard voting dan probablitas setiap model untuk soft voting. Pendekatan ini memanfaatkan keunggulan komplementer dari masing-masing model, sehingga mampu mengurangi kelemahan model individu dan menghasilkan prediksi yang lebih konsisten. Hasil evaluasi menunjukkan bahwa metode ensemble voting, khususnya hard voting secara signifikan mengungguli model tunggal terbaik, yaitu EfficientNetB5. Akurasi meningkat dari 84,85% menjadi 88,64%, meningkat 3,79%, F1-score dari 85,92% menjadi 89,21%, meningkat 3,29%, dan recall dari 92,42% menjadi 93,94% meningkat 1,52%. Selain itu, nilai AUC sebesar 0,89 pada kurva ROC menunjukkan kemampuan diskriminatif yang sangat baik dan stabil dalam membedakan kasus karies dan normal. Metode ini juga terbukti tangguh terhadap variasi kualitas dan karakteristik citra, sehingga menghasilkan prediksi yang seimbang dan andal. Dengan demikian, penelitian ini berkontribusi pada pengembangan teknologi diagnostik berbasis kecerdasan buatan untuk deteksi karies gigi yang lebih cepat, akurat, dan stabil. Temuan ini menegaskan bahwa integrasi model melalui ensemble hard voting mampu memberikan peningkatan kinerja yang signifikan dibandingkan pendekatan model tunggal. Keywords: Karies gigi, Deep learning, Klasifikasi individu, Ensemble voting, Hard Voting, Peningkatan kinerja CARIES - DENTISTRY DENTAL CARE - DENTISTRY 617.67 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1705745 2025-10-29 15:18:00 2025-11-20 16:02:00 machine generated