PRASETYA, Virgy Dias (2025) DETEKSI KERUSAKAN GIGI PADA CITRA PANORAMIK MENGGUNAKAN YOLOv11. Bachelor thesis, UNIVERSITAS PERADABAN.
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/other.png) |
PDF (HALAMAN AWAL)
COVER-Virgy Dias Prasetya-42421082-Skripsi-2025.pdf - Published Version Download (1MB) |
|
PDF (ABSTRAK)
ABSTRAK-Virgy Dias Prsetya-42421082-Skripsi-2025.docx - Published Version Download (10kB) |
|
PDF (BAB I)
BAB I-Virgy Dias Prasetya-42421082-Skripsi-2025.pdf - Published Version Restricted to Repository staff only Download (506kB) |
|
PDF (BAB II)
BAB II-Virgy Dias Prasetya-42421082-Skripsi-2025.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
PDF (BAB III)
BAB III-Virgy Dias Prasetya-42421082-Skripsi-2025.pdf - Published Version Restricted to Repository staff only Download (803kB) |
|
PDF (BAB IV)
BAB IV-Virgy Dias Prasetya-42421082-Skripsi-2025.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
PDF (BAB V)
BAB V-Virgy Dias Prasetya-42421082-Skripsi-2025.pdf - Published Version Restricted to Repository staff only Download (480kB) |
|
PDF (DAFTAR PUSTAKA)
DAFTAR PUSTAKA-Virgy Dias Prasetya-42421082-Skripsi-2025.pdf - Published Version Download (507kB) |
|
PDF (LAMPIRAN)
LAMPIRAN-Virgy Dias Prasetya-42421082-Skripsi-2025.pdf - Published Version Download (772kB) |
Abstract
Kesehatan gigi dan mulut merupakan komponen vital dari kesehatan secara keseluruhan, namun proses diagnosis kondisi seperti karies gigi seringkali menjadi tantangan. Penggunaan radiografi panoramik sebagai alat diagnostik utama, meskipun umum, dapat memakan waktu dan rentan terhadap kesalahan interpretasi akibat tumpang tindihnya struktur anatomi yang kompleks. Untuk mengatasi tantangan tersebut, penelitian ini bertujuan mengimplementasikan dan mengevaluasi tingkat akurasi dari algoritma You Only Look Once versi 11 (YOLOv11), sebuah metode deep learning mutakhir, untuk melakukan deteksi otomatis kondisi gigi pada citra panoramik. Penelitian ini menggunakan dataset publik dari Kaggle yang terdiri dari 1.269 citra, dengan fokus pada empat kelas deteksi: cavity (karies), fillings (tambalan), impacted tooth (gigi impaksi), dan implant (gigi implan). Dataset dibagi menjadi 70% data latih, 20% data validasi, dan 10% data uji. Hasil pelatihan model menunjukkan performa yang sangat baik dengan nilai precision 0.987, recall 0.914, F1-Score 0.914, accuracy 0.914 dan mAP50 sebesar 0.924. Pada tahap pengujian, model menunjukkan kinerja yang stabil dengan F1-score tertinggi pada kelas implant (0.965) dan terendah pada kelas cavity (0.745). Secara keseluruhan, model mencapai tingkat akurasi lebih dari 91% pada data validasi (0.914) dan data uji (0.986), membuktikan bahwa YOLOv11 merupakan metode yang efektif dan konsisten untuk mendeteksi berbagai kondisi gigi.
| Item Type: | Thesis (Bachelor) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | YOLOv11, Deteksi Objek, Citra Panoramik, Kerusakan Gigi, Deep Learning. | |||||||||
| Subjects: | 000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 006-Metode Komputer Tertentu > Kecerdasan Buatan;Sistem Pakar; Neural Network; Data Mining; Machine learning; Computer Vision; Pengolahan Citra | |||||||||
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Informatika - S1 | |||||||||
| Depositing User: | S.E. Khozin Khozin | |||||||||
| Date Deposited: | 04 Apr 2026 05:56 | |||||||||
| Last Modified: | 04 Apr 2026 05:56 | |||||||||
| URI: | http://repository.peradaban.ac.id/id/eprint/2390 |
Actions (login required)
 |
View Item |