Penerapan Machine Learning Berbasis Support Vector Machine dan Random Forest untuk Klasifikasi Karies pada Citra Gigi

Bima Variandana Putra, Fawaidul Badri, Ngatmari Ngatmari

Sari


Penelitian ini bertujuan untuk merancang program klasifikasi kedua algoritma, yakni algoritma Random Forest dan Support Vector Machine. Penelitian ini menggunakan 3 tingkatan keparahan karies gigi yakni kelas ringan, sedang, dan berat. Untuk Metodenya menggunakan metode Gray-Level Co-occurrence Matrix (GLCM) yang  diimplementasikan untuk mengekstrak fitur tekstur pada citra, yang meliputi parameter mean, contrast, energy, dan homogeneity. Performa sistem kemudian diuji dan dievaluasi secara komprehensif melalui komparasi algoritma Random Forest dan Support Vector Machine (SVM) berbasis teknik Stratified 25-Fold Cross Validation. Hasil eksperimen membuktikan bahwa algoritma Random Forest menunjukkan performa lebih unggul dengan capaian akurasi tertinggi sebesar 84,50%, sedangkan algoritma Support Vector Machine menghasilkan akurasi sebesar 83,40%. Karakteristik fitur contrast dan homogeneity terbukti  efektif untuk membedakan tingkat keparahan karies gigi pada citra gigi.

 

Kata Kunci: Klasifikasi Karies Gigi, Gray-Level Co-occurrence Matrix, Random Forest, Support Vector Machine, Cross-Validation


Teks Lengkap:

PDF

Referensi


Syaripudin, D., Yayat, E., Jayadi, J., & Raharja, A. R. (2025). Klasifikasi Penyakit Periodontal Pada Citra Panoramik Gigi Menggunakan Deep Learning Berbasis ResNet50. SisInfo : Jurnal Sistem Informasi dan Informatika, 7(1),

Singh, S. B., Laishram, A., Thongam, K., & Singh, K. M. (2024). A Random Forest-based Automatic Classification of Dental Types and Pathologies using Panoramic Radiography Images. Journal of Scientific & Industrial Research, 83, 531–543.

Siadari, T. S., & Hariyani, Y. S. (2024). Klasifikasi Penyakit Periodontal Pada Citra Gigi Berwarna Menggunakan Arsitektur Berbasis Convolutional Neural Network. JETT: Jurnal Elektro dan Telekomunikasi Terapan, 11(2), 13–19.

Kristianto, J. (2024). SISTEM IDENTIFIKASI PENYAKIT GIGI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS MOBILE APPS. (Laporan Tugas Akhir). Universitas Islam Sultan Agung, Semarang.

Putra, A. A. (2024). ANALISIS KARIES GIGI MENGGUNAKAN GRAY-LEVEL CO-OCCURENCE MATRIX PADA CITRA RADIOGRAFI PERIAPIKAL. (Tesis). Institut Teknologi Bandung, Bandung.

Himel, G. M. S., Islam, M. M., & Hannan, U. H. (2023). Caries-Spectra: A dataset of Enamel Caries (Version 2) [Data set]. Mendeley Data.

Haralick, R. M., Shanmugam, K., & Dinstein, I. (1973). Textural features for image classification. IEEE Transactions on Systems, Man, and Cybernetics, SMC-3(6),


Refbacks

  • Saat ini tidak ada refbacks.