MASAYU ALYA NUR 'AINI (2022) SISTEM KLASIFIKASI LEVEL KARIES GIGI BERDASARKAN TEKSTUR MENGGUNAKAN ALGORITMA GABOR FILTER DAN MACHINE LEARNING. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (5MB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (10kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (644kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (985kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (6MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (251kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (417kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (705kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (14MB)

Abstract

Penderita karies gigi di Indonesia menunjukkan frekuensi yang tinggi dibanding penyakit gigi lainnya bahkan sebelum memasuki masa pandemi. Tingginya resiko penyebaran virus saat pandemi dinilai menghambat penanganpasien perawatan gigi. Teledentistry disarankan sebagai alternatif utama untuk mengurangi resiko penyebaran virus. Penelitian ini ditujukan untuk membangunsebuah sistem untuk mengklasifikasikan level karies gigi berdasarkan tekstur yang dapat diimplementasikan untuk aplikasi klinis. Citra karies gigi diekstraksimenggunakan metode Gabor Filter, kemudian diklasifikasikan menggunakan Support Vector Machine dan K-Nearest Neighbor. Teknik downsampling diaplikasikan pada sistem ini untuk mengurangi banyaknya jumlah fitur yang mempengaruhi waktu klasifikasi. Pengujian sistem dengan data ekstraksi GaborFilter 1 menunjukkan hasil akurasi tertinggi didapatkan oleh model Cubic SVM dengan nilai hasil akurasi 90,5%, precision 89,75%, recall 89,25%, specificity 91,75%, fscore 88,5%. Pengujian sistem dengan data ekstraksi Gabor Filter 2 menunjukkan hasil akurasi tertinggi didapatkan oleh model Medium Gaussian SVM dengan hasil akurasi 87%, precision 86%, recall 86,5%, specificity 88,25%, f-score 85%.

Dosen Pembimbing: YESSI JUSMAN, S.T., M.SC., PH.D. and SARTIKA PUSPITA, DR. DRG., MDSC. | NIDN1007058408, NIDN0528107901
Item Type: Thesis (S1)
Uncontrolled Keywords: DENTAL CARIES, TEXTURE, GABOR FILTER, SUPPORT VECTOR MACHINE, K-NEAREST NEIGHBOR
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Aidilla Qurotianti
Date Deposited: 08 Sep 2022 06:37
Last Modified: 08 Sep 2022 06:37
URI: https://etd.umy.ac.id/id/eprint/33572

Actions (login required)

View Item View Item