WIHASTI, Widha Permata (2023) Penerapan Algoritma Convolutional Neural Network Pada Citra Sinar-X Untuk Klasifikasi Impaksi Gigi. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Download (98kB)
	PDF (Legalitas) LEGALITAS-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Restricted to Repository staff only Download (558kB)
	PDF (Abstrak) ABSTRAK-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Download (111kB)
	PDF (BabI) BAB-I-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Restricted to Repository staff only until 12 October 2024. Download (122kB)
	PDF (BabII) BAB-II-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Restricted to Repository staff only until 12 October 2024. Download (320kB)
	PDF (BabIII) BAB-III-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Restricted to Repository staff only until 12 October 2024. Download (569kB)
	PDF (BabIV) BAB-IV-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Restricted to Repository staff only Download (403kB)
	PDF (BabV) BAB-V-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Download (17kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Download (87kB)
	PDF (Lampiran) LAMPIRAN-WIDHA PERMATA WIHASTI-K1C019079-SKRIPSI-2023.pdf Restricted to Repository staff only Download (288kB)

Abstract

Penelitian tugas akhir ini bertujuan merancang sebuah sistem algoritma pembacaan citra untuk pengklasifikasian kasus impaksi gigi. Metode rancangannya diawali dari augmentasi tiap citra panoramik sinar-X gigi menjadi potongan-potongan citra berukuran serba sama, yaitu 100 x 100 piksel. Citra-citra ini dikelompokkan dan dilabel sebagai RI (Right Impaction / Impaksi Kanan) , RNI (Right Non Impaction / Bukan Impaksi Kanan), LI (Left Impaction / Impaksi Kiri) dan LNI (Left Non Impaction/ Bukan Impaksi Kiri). Arsitektur jaringan syaraf tiruan Convolutional Neural Network (CNN) berbasis bahasa pemrograman Python yang tertanam dalam Google Colab dimanfaatkan untuk melakukan pelatihan dan validasi kelompok dataset citra augmentasi. Kehandalan algoritma di tahapan pelatihan ini adalah dihasilkanya waktu total perhitungan komputasi, yaitu selama 13 menit, 3 detik. Validasi pembacaan dataset augmentasi diyakinkan dari trend data plotting loss yang mendekati 0 dan accuray yang mendekati 1. Evaluasi berupa pengujian algoritma hasil pelatihan dan validasi dilakukan dengan pembacaan 10% dari total dataset augmentasi. Dengan perhitungan, didapat nilai akurasi atau AC sebesar 99,41%. Dari sini dapat dikatakan bahwa sistem algoritma berarsitektur jaringan syaraf tiruan CNN pembacaan citra pengklasifikasian keadaan impaksi dan bukan impaksi gigi adalah tervalidasi dan berakurasi tinggi.

Actions (login required)

View Item