DEVIE NUR AINI (2022) SISTEM KLASIFIKASI LEVEL KARIES GIGI BERDASARKAN METODE HU AND ZERNIKE MOMEN INVARIANT DAN MACHINE LEARNING (SVM DAN KNN). S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (444kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (311kB)
Abstrak.pdf
Restricted to Registered users only
Download (14kB)
Bab I.pdf
Download (152kB)
Bab II.pdf
Restricted to Registered users only
Download (1MB)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
Bab IV.pdf
Restricted to Registered users only
Download (16MB)
Bab V.pdf
Restricted to Registered users only
Download (15kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (136kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (524kB)
Full Text.pdf
Restricted to Repository staff only
Download (17MB)
Abstract
GIGI ADALAH SALAH SATU ORGAN YANG PENTING DALAM SISTEM PENCERNAAN ORGAN MANUSIA. GIGI TIDAK HANYA MEMBANTU DALAM PROSES PENCERNAAN, NAMUN JUGA MEMILIKI FUNGSI KEINDAHAN BAGI SESEORANG. OLEH KARENA ITU KESEHATAN GIGI PERLU UNTUK DIJAGA SUPAYA ORGAN INI BEKERJA SECARA MAKSIMAL DAN MENCEGAH TERJADINYA KERUSAKAN GIGI. SALAH SATU CONTOH PENYAKIT GIGI YANG PALING UMUM ADALAH KARIES GIGI. DI NEGARA MAJU, PENDETEKSIAN DINI KARIES GIGI DILAKUKAN DENGAN METODE X-RAY. NAMUN SEIRING TEKNOLOGI BERKEMBANG DAN MAJU, PROSES DIAGNOSA CITRA KARIES GIGI DAPAT DILAKUKAN DENGAN SISTEM KECERDASAN BUATAN ATAU PENGOLAHAN CITRA. PENELITIAN MENGGUNAKAN 4 JENIS KELAS CITRA KARIES GIGI YAITU, KELAS 1, 2, 3, DAN 4. CITRA TERSEBUT TERDIRI DARI 347 CITRA KARIES GIGI, YANG TERBAGI MENJADI 314 CITRA TRAINING DAN 33 CITRA TESTING. TUJUAN DARI PENELITIAN INI YAITU UNTUK MENGETAHUI BAGAIMANA PROSES EKSTRAKSI FITUR DENGAN METODE HU AND ZERNIKE MOMEN INVARIANT DAN UNTUK MENGETAHUI PROSES DAN HASIL KLASIFIKASI KARIES GIGI DENGAN INPUTAN HASIL EKSTRAKSI YANG DIKLASIFIKASIKAN DENGAN MENGGUNAKAN SVM DAN KNN. HASIL KLASIFIKASI YANG TELAH DILAKUKAN AKAN DIDAPATKAN NILAI AKURASI SVM DAN KNN. AKURASI TERTINGGI PADA METODE SVM DENGAN AKURASI 84, 41% PADA SAAT MENGGUNAKAN FITUR DARI EKSTRAKSI HU MOMEN + ZERNIKE MOMEN INVARIANT, SEDANGKAN AKURASI TERTINGGI PADA METODE KNN DENGAN AKURASI 99, 96% PADA SAAT MENGGUNAKAN FITUR DARI EKSTRAKSI HU MOMEN.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | KARIES GIGI, HU MOMEN, ZERNIKE MOMEN INVARIANT, TRAINING, TESTING, SVM, KNN |
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Eko Kurnawan |
Date Deposited: | 18 May 2022 02:46 |
Last Modified: | 18 May 2022 02:46 |
URI: | https://etd.umy.ac.id/id/eprint/30249 |