Klasifikasi Penyakit Gigi menggunakan Metode ResNet-50

Abstract

Penyakit gigi merupakan salah satu masalah kesehatan yang sering terjadi dan memerlukan diagnosis yang tepat untuk penanganan yang efektif. Identifikasi penyakit gigi secara manual membutuhkan keahlian khusus dan dapat memakan waktu yang cukup lama. Oleh karena itu, diperlukan sebuah sistem berbasis kecerdasan buatan yang mampu mengklasifikasikan penyakit gigi secara otomatis dan akurat. Penelitian ini mengembangkan sistem klasifikasi penyakit gigi menggunakan model deep learning berbasis ResNet-50. Model ini dilatih untuk mengenali dan mengklasifikasikan lima jenis penyakit gigi, yaitu Hypodontia, Caries, Gingivitis, gigi sehat dan Kalkulus, berdasarkan citra gigi yang diperoleh dari pemeriksaan klinis atau radiografi. ResNet-50 dipilih karena kemampuannya dalam mengekstraksi fitur secara mendalam tanpa mengalami degradasi performa pada jaringan yang lebih dalam. Dataset yang digunakan terdiri dari 5000 gambar citra gigi yang telah dikategorikan berdasarkan jenis penyakitnya. Hasil yang diperoleh dari penelitian ini mencapai akurasi pelatihan sebesar 93.5% dengan loss sebesar 0,54%. Selain itu, penelitian ini melakukan dua pengujian, pengujian dengan data uji secara otomatis setelah proses pelatihan mencapai akurasi sebesar 85% dengan rata-rata presisi 85,9%, recall 85%, dan F1-Score 85,3%, sementara pengujian menggunakan data uji melalui GUI mencapai akurasi sebesar 92% dengan rata-rata presisi 92,5%, recall 92%, dan F1-Score 91,9%.