KLASIFIKASI RONTGEN PERIAPIKAL DENGAN METODE CNN

Sumantara, I Gusti Lanang Trisna (2024) KLASIFIKASI RONTGEN PERIAPIKAL DENGAN METODE CNN. Masters thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2029101024-COVER.pdf
Download (554kB)
[img] Text (ABSTRAK)
2029101024-ABSTRAK.pdf
Download (151kB)
[img] Text (BAB 1 PENDAHULUAN)
2029101024-BAB 1 PENDAHULUAN.pdf
Download (212kB)
[img] Text (BAB 2 KAJIAN TEORI)
2029101024-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (805kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2029101024-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (314kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2029101024-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2029101024-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (75kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2029101024-DAFTAR PUSTAKA.pdf
Download (155kB)
[img] Text (LAMPIRAN)
2029101024-LAMPIRAN.pdf
Download (1MB)

Abstract

Rontgent periapikal merupakan jenis rontgent dalam rongga mulut yang berfungsi untuk melihat gambaran mahkota hingga akar gigi, tulang pendukung dan jaringan sekitar gigi. Perbedaan kemampuan dokter dalam mendiagnosis dapat dibatasi oleh kondisi mata dalam penglihatan dan kecakapan dokter yang setiap individunya tidak sama. Berdasarkan permasalahan tersebut diperlukan suatu aplikasi yang mampu mengenali dan mengklasifikasi rontgent periapikal secara terkomputasi. Metode Komputasi yang biasa digunakan dalam pengolahan citra dengan basis pengenalan citra yakni metode Convolution Neural Network (CNN). Keunggulan CNN terutama terletak pada kemampuannya dalam mengekstrak fitur-fitur yang relevan dan memahami representasi hierarkis dari data. Penelitian ini mencoba menganalisis dan memahami variasi model CNN untuk menemukan solusi yang paling efektif untuk mengenali patologi pada citra rontgen periapikal. Secara umum klasifikasi periapikal dibagi menjadi 5 jenis yakni primary endo with secondary perio, primary endodontic lesion, primary perio with secondary endo, primary periodontal lesion dan true combined lesions. Pada proses klasifikasi rontgent periapikal diujicoba dengan 4 model CNN yakni ResNet50v2, EfficientNetB1, MobileNet serta Shallow CNN. Evaluasi metode CNN menggunakan metode berbasis confusion matrix untuk menghasilkan nilai presisi, recall dan F1-score. Berdasarkan pengujian nilai evaluasi terbaik pada pengujian menunjukkan nilai F1-score secara bobot rata-rata (Weight Average) model EfficientNetB1 memiliki nilai tertinggi dalam klasifikasi yakni 82% kemudian ResNet50v2 76%, MobileNet 75% dan Shallow CNN 71%.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Klasifikasi, CNN, periapical, rontgent, F1-score
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
R Medicine > RK Dentistry
Divisions: Pascasarjana > Program Studi Ilmu Komputer (S2)
Depositing User: I Gusti Lanang Trisna Sumantara
Date Deposited: 10 Jul 2024 07:46
Last Modified: 10 Jul 2024 07:46
URI: http://repo.undiksha.ac.id/id/eprint/20392

Actions (login required)

View Item View Item