Wihasti, Widha Permata (2026) Aplikasi Algoritma Convolutional Neural Network Dalam Menganalisis Radiograf Panoramik Untuk Klasifikasi Impaksi Gigi. Masters thesis, Fakultas Sains dan Matematika Undip.

	Text 1. COVER-WIDHA PERMATA WIHASTI-24040123420049-Tesis-2026.pdf Download (147kB)
	Text 5. Halaman Pengesahan Tesis.pdf Download (495kB)
	Text 7. Abstrak.pdf Download (129kB)
	Text 8. Abstract.pdf Download (129kB)
	Text 9. Daftar Isi.pdf Download (180kB)
	Text 13. BAB I - WIDHA PERMATA WIHASTI - 24040123420049 - TESIS - 2026.pdf Download (164kB)
	Text 18. DAFTAR PUSTAKA - WIDHA PERMATA WIHASTI - 24040123420049 - TESIS - 2026.pdf Download (145kB)

Abstract

Penelitian ini bertujuan untuk mengembangkan model Convolutional
Neural Network (CNN) dalam mengklasifikasikan citra radiograf panoramik gigi
ke dalam dua kelas, yaitu impaksi gigi dan non impaksi. Dataset yang digunakan
terdiri atas 2000 citra radiograf panoramik (1000 impaksi dan 1000 non impaksi)
yang diperoleh dari RSUD Prof. Dr. Margono Soekarjo Purwokerto serta dataset
publik Kaggle. Tahapan preprocessing diterapkan untuk menyeragamkan kualitas
data citra, meliputi proses resizing, konversi ke grayscale, dan normalisasi. Selain
itu, dilakukan augmentasi citra untuk meningkatkan keragaman data latih dengan
teknik Gaussian blur, Gaussian noise, sharpening, histogram equalization, dan
Contrast Limited Adaptive Histogram Equalization (CLAHE). Evaluasi kinerja
model CNN dilakukan pada dua skenario, yaitu dengan penerapan augmentasi dan
tanpa augmentasi. Hasil pengujian menunjukkan bahwa model CNN yang dilatih
dengan augmentasi citra menghasilkan performa yang lebih unggul dengan nilai
akurasi sebesar 94,51%, presisi 93,64%, recall 95,62%, dan F1-score 94,62%.
Sebaliknya, model tanpa augmentasi hanya mencapai akurasi sebesar 76,62%
dengan nilai presisi, recall, dan F1-score masing-masing sekitar 76%. Temuan ini
mengindikasikan bahwa augmentasi citra berperan signifikan dalam meningkatkan
kemampuan generalisasi model CNN terhadap variasi citra radiograf panoramik
gigi. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kombinasi metode CNN
dengan tahapan preprocessing dan augmentasi citra memiliki potensi yang kuat
untuk diterapkan sebagai sistem pendukung keputusan klinis dalam deteksi impaksi
gigi. Meskipun demikian, penelitian lanjutan masih diperlukan untuk melakukan
validasi menggunakan dataset yang lebih besar dan beragam guna memastikan
keandalan model dalam penerapan klinis.
Kata kunci: Convolutional Neural Network, radiograf panoramik, impaksi gigi,
preprocessing, augmentasi citra, klasifikasi citra

Actions (login required)

View Item