PENGEMBANGAN SISTEM KLASIFIKASI KARIES GIGI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS FLASK

Muhammad Ibnu Athoillah, Fawaidul - Badri, Bambang Minto Basuki

Sari


Penelitian ini mengembangkan sistem klasifikasi karies dan non-karies pada citra gigi menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet50. Dataset terdiri dari 3.600 citra gigi yang dibagi ke dalam subset training, validation, dan testing. Tahap pra-pemrosesan meliputi resizing, normalisasi, serta segmentasi Gaussian Mixture Model (GMM) untuk menonjolkan area lesi karies. Model CNN dilatih dengan fine-tuning, kemudian diimplementasikan pada sistem berbasis web menggunakan framework Flask. Hasil pengujian menunjukkan akurasi 89,0%, presisi 85,45%, recall 94,0%, dan F1-score 89,52%, dengan tingkat kepercayaan prediksi mayoritas di atas 90%. Sistem yang dihasilkan mampu melakukan klasifikasi secara real-time dengan antarmuka sederhana dan responsif. Integrasi GMM terbukti meningkatkan akurasi klasifikasi dan berpotensi diterapkan pada sistem deteksi medis lainnya.

Kata Kunci— Karies Gigi; Convolutional Neural Network; Deep Learning; Gussian Mixture Model; Flask;


Teks Lengkap:

PDF

Referensi


Akbar, M. R., & Musthofa, M. T. (2018). Deteksi Karies Gigi Menggunakan Metode Convolutional Neural Network (CNN). Retrieved from https://pdfs.semanticscholar.org/846f/a107b6e8288518622702f366e43b901e6e74.pdf.

Jurnal Keperawatan Gigi Poltekkes Denpasar. (2023). Faktor Risiko Karies Gigi Pada Remaja di Wilayah Denpasar (Vol. 10, No. 2). Retrieved from https://www.poltekkes-denpasar.ac.id/keperawatangigi/wp-content/uploads/2023/08/7.-artikel-Jurnal-JKG-Vol.10-No.2-Agustus-2023.pdf.

Marchiano, M. (2020). Hubungan Perilaku Menjaga Kebersihan Mulut Dengan Kejadian Karies Gigi [Artikel Jurnal]. Jurnal Ilmu Gigi dan Mulut. Retrieved from http://repository.poltekkes-manado.ac.id/493/1/(3)%20JIGIM%20Nov%202020%20a.n%20Marchiano.pdf.

Oroh, E., & Lubis, C. (2023). Klasifikasi penyakit gigi karies dan kalkulus menggunakan convolutional neural network. Nusantara Journal of Multidisciplinary Science, 1(4), 757–765. https://jurnal.intekom.id/index.php/njms/article/download/144/123.

Santika, A. (2023). Penerapan deep learning arsitektur VGG16 untuk klasifikasi penyakit gigi. Prosiding Seminar Nasional Informatika Bela Negara (SANTIKA), 3, 160–162.

Nugroho, L. P. (2024). Implementasi machine learning menggunakan CNN pada website diagnosa gigi (Studi Kasus Klinik XXONE Dental Care) [Skripsi, Universitas Muhammadiyah Metro]. http://repository.ummetro.ac.id/12345/.

Setiono, F. A. (2024). Perbandingan model transfer learning CNN pada klasifikasi citra penyakit gigi dan lidah [Skripsi, Universitas Muhammadiyah Malang]. https://eprints.umm.ac.id/id/eprint/9523.

Aldilawati, S., Wijaya, M. F., & Hasanuddin, N. R. (2022). Upaya peningkatkan status pengetahuan kesehatan gigi dan mulut pada masyarakat dengan metode penyuluhan flipchart dan video di Desa Lanna. Idea Pengabdian Masyarakat, 2(01), 36–40. https://doi.org/10.53690/ipm.v2i01.82.

Anggresti, A. (2023). Gambaran jumlah karies gigi dan pola konsumsi makanan kariogenik pada anak usia 9–11 tahun di Sekolah Dasar Piyaman 1 [Diploma thesis, Poltekkes Kemenkes Yogyakarta]. http://eprints.poltekkesjogja.ac.id/12780/4/Chapter%202.pdf

Maharani, D. A., Rahardjo, A., & Parker, E. (2017). Dental caries and associated factors in Indonesian children. Journal of Dentistry for Children, 84(3), 98–103. (Studi faktor risiko dan prevalensi karies pada anak-anak Indonesia)

Dijaya, R., & Setiawan, H. (2023). Buku ajar pengolahan citra digital (Cetakan pertama, hlm. 1–85). UMSIDA Press. https://doi.org/10.21070/2023/978-623-464-075-5]

Subandi, R., Herman, & Yudhana, A. (2024). Pre-processing pada klasifikasi citra medis pneumonia. DECODE: Jurnal Pendidikan Teknologi Informasi, 4(1), 86–93. https://journal.umkendari.ac.id/decode/article/view/198/

Pradana, D. B. (2018). Sejarah singkat tentang machine learning. Menara Ilmu Otomasi, Sekolah Vokasi Universitas Gadjah Mada. https://otomasi.sv.ugm.ac.id/2018/10/11/sejarah-singkat-tentang-machine-learning/

Jan Wira Gotama Putra, Pengenalan Konsep Pembelajaran Mesin dan Deep Learning, 4th ed., vol. 1. Tokyo, Jepang: Jan Wira Gotama Putra, 2020.

Sari, I. R. (2020). Implementasi Convolutional Neural Networks (CNN) untuk klasifikasi citra benih kacang hijau berkualitas. Engineering, Construction and Architectural Management, 25(1), 1–9.

Rachmawati, I., & Widyantoro, A. D. (2022). Klasifikasi Citra Daun Teh Klon GMB Menggunakan Transfer Learning dengan Arsitektur CNN ResNet101. TCR: Jurnal Teknologi dan Riset, 7(1), 10–20. https://tcrjournal.com/index.php/tcrj/article/download/168/142/.

Tarumingkeng, R. C. (n.d.). Deep learning. IPB University & Technological University of the Philippines. https://rudyct.com/ab/Deep.Learning.pdf.

Prastika, I. W., & Zuliarso, E. (2021). Deteksi penyakit kulit wajah menggunakan TensorFlow dengan metode Convolutional Neural Network. Journal of Management Informatika dan Sistem Informasi, 4(2), 84–91. https://doi.org/10.36595/misi.v4i2.418.

Achyar, A. A., Olow, A. M., Perdana, M. R., Sundawijaya, A., & Goenawan, A. D. (2022). Identifikasi ras wajah dengan menggunakan metode deep learning model Keras. Jurnal Teknik Mesin, Industri, Elektro dan Informatika, 1(1), 29–37. https://doi.org/10.55606/jtmei.v1i1.779.

Setiadi, A., Fadhliazis, Ahadi, A. H., & Gustina. (2025). Implementasi pengolahan citra untuk pembuatan filter gambar berbasis web menggunakan OpenCV dan Flask. Jurnal Ilmiah Informatika, X(X), xx–xx. https://ojs.unh.ac.id/files/journals/1/articles/1737/submission/proof/1737-1- 4116-1-10-20250602.pdf.

Pitts, N. B., Ismail, A. I., Martignon, S., Ekstrand, K., Douglas, G. V. A., & Longbottom, C. (2014). ICCMS™ Guide for Practitioners and Educators. ICDAS Foundation / King’s College London Dental Institute. Retrieved from International Caries Classification and Management System website: https://www.iccms-web.com/uploads/asset/59284654c0a6f822230100.pdf.

Pilotcode. (2025). Teeth 2 Object Detection Model. Roboflow. https://universe.roboflow.com/pilotcode/teeth-2-dvdgx.

RGB. (2025). Caries Object Detection Model. Roboflow. https://universe.roboflow.com/rgb-gvcor/caries-novip.

Novkaniza, F., & Al Kafi, R. (2023). Pemodelan jumlah kasus baru harian COVID-19 di Indonesia menggunakan Gaussian Mixture Model. Jurnal Riset Akuntansi dan Manajemen, 7(2), 116–127. https://journal.unesa.ac.id/index.php/jram/article/view/27083.

Permana, F. Y., Aditya, C. S. K., & Chandranegara, D. R. (2024). Segmentasi dan klasifikasi gambar citra pada kanker kulit menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50. Jurnal Repositori (JR), 6(4), 391–404. Universitas Muhammadiyah Malang. https://ejournal.umm.ac.id/index.php/repositor/article/view/34415/15570.


Refbacks

  • Saat ini tidak ada refbacks.