Koleksi Dokumen: Skripsi (s1)
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetKoleksi Dokumen: Skripsi (s1)
Menampilkan 3 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT
Penulis: Bagas Aditya, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Penyakit gigi dan mulut merupakan masalah kesehatan dengan prevalensi tinggi, di mana pasien seringkali mengirimkan foto rongga mulut dengan kualitas kurang baik saat konsultasi daring sehingga menyulitkan diagnosis dokter. Penelitian ini bertujuan untuk mengembangkan sistem skrining awal klinis berbasis web menggunakan pendekatan deep learning dengan arsitektur two-stage (YOLOv8 dan ResNet-18). YOLOv8 digunakan untuk melokalisasi dan memotong area gigi bermasalah (Region of Interest) guna menghilangkan gangguan visual latar belakang, yang kemudian diproses dan diklasifikasikan oleh ResNet-18 ke dalam 7 kelas (Karies, Calculus, Gingivitis, Mouth Ulcer, Tooth Discoloration, Hipodontia, dan Sehat). Sistem ini juga mengimplementasikan Grad-CAM sebagai Explainable AI (XAI) untuk memvisualisasikan area prediksi penyakit secara transparan. Menggunakan metodologi CRISP-DM, model dilatih dengan 11.957 data citra klinis. Hasil evaluasi menunjukkan bahwa YOLOv8 mencapai nilai mAP@50 sebesar 88,17%. Sementara itu, ResNet-18 mencetak tingkat akurasi sebesar 92,25% dan F1-Score 92,37%. Pengujian performa sistem dengan membandingkan prediksi AI dan diagnosis pakar (dokter gigi) pada data baru memperoleh tingkat kesesuaian sebesar 83,33%. Kesimpulannya, integrasi YOLOv8 dan ResNet-18 berhasil memberikan hasil skrining awal yang akurat, meringankan beban kerja administratif klinik, serta mempermudah pasien dalam melakukan deteksi gejala gigi secara mandiri.
#Deep Learning
#Deteksi Penyakit Gigi
#ResNet-18
#Web
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PENGEMBANGAN SISTEM CHATBOT LAYANAN DI LAUNDRY ONDEL-ONDEL MENGGUNAKAN WHATSAPP DENGAN PENDEKATAN HYBRID ARTIFICIAL INTELLIGENCE
Penulis: Bimo Aria Putra Pratama, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Pelayanan pelanggan pada Laundry Ondel-Ondel masih dilakukan secara manual melalui WhatsApp sehingga admin harus menjawab pertanyaan yang berulang mengenai harga layanan, jam operasional, status cucian, layanan antar-jemput, dan estimasi pengerjaan. Kondisi tersebut menyebabkan waktu respons menjadi lebih lama dan mengurangi efisiensi operasional. Penelitian ini bertujuan mengembangkan sistem chatbot layanan pelanggan berbasis WhatsApp dengan pendekatan Hybrid Artificial Intelligence untuk meningkatkan kualitas pelayanan dan efisiensi kerja. Metode pengembangan sistem yang digunakan adalah Evolutionary Prototype, sedangkan metode kecerdasan buatan yang diterapkan menggabungkan Rule-Based, Natural Language Processing (NLP), dan Generative AI (DeepSeek). Sistem dikembangkan menggunakan Node.js, WPPConnect, Supabase, serta dashboard berbasis web untuk mengelola data pelanggan dan pesanan laundry. Hasil penelitian menunjukkan bahwa sistem mampu memberikan informasi layanan secara otomatis, meliputi harga, jenis layanan, status pesanan, estimasi pengerjaan, dan layanan antar-jemput melalui WhatsApp. Berdasarkan pengujian Black Box Testing, seluruh fungsi utama sistem berjalan sesuai dengan kebutuhan. Uji coba terhadap 11 responden menunjukkan bahwa 8 responden menyatakan sangat setuju, 2 responden setuju, dan 1 responden cukup setuju bahwa sistem layak digunakan. Dengan demikian, sistem chatbot yang dikembangkan mampu meningkatkan kecepatan penyampaian informasi, mempermudah pelanggan memperoleh layanan, serta meningkatkan efisiensi operasional pada Laundry Ondel-Ondel.
#Chatbot
#Generative AI
#Hybrid Artificial Intelligence
#Laundry
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT
Penulis: Bagas Aditya, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Penyakit gigi dan mulut merupakan masalah kesehatan dengan prevalensi tinggi, di mana pasien seringkali mengirimkan foto rongga mulut dengan kualitas kurang baik saat konsultasi daring sehingga menyulitkan diagnosis dokter. Penelitian ini bertujuan untuk mengembangkan sistem skrining awal klinis berbasis web menggunakan pendekatan deep learning dengan arsitektur two-stage (YOLOv8 dan ResNet-18). YOLOv8 digunakan untuk melokalisasi dan memotong area gigi bermasalah (Region of Interest) guna menghilangkan gangguan visual latar belakang, yang kemudian diproses dan diklasifikasikan oleh ResNet-18 ke dalam 7 kelas (Karies, Calculus, Gingivitis, Mouth Ulcer, Tooth Discoloration, Hipodontia, dan Sehat). Sistem ini juga mengimplementasikan Grad-CAM sebagai Explainable AI (XAI) untuk memvisualisasikan area prediksi penyakit secara transparan. Menggunakan metodologi CRISP-DM, model dilatih dengan 11.957 data citra klinis. Hasil evaluasi menunjukkan bahwa YOLOv8 mencapai nilai mAP@50 sebesar 88,17%. Sementara itu, ResNet-18 mencetak tingkat akurasi sebesar 92,25% dan F1-Score 92,37%. Pengujian performa sistem dengan membandingkan prediksi AI dan diagnosis pakar (dokter gigi) pada data baru memperoleh tingkat kesesuaian sebesar 83,33%. Kesimpulannya, integrasi YOLOv8 dan ResNet-18 berhasil memberikan hasil skrining awal yang akurat, meringankan beban kerja administratif klinik, serta mempermudah pasien dalam melakukan deteksi gejala gigi secara mandiri.
#Deep Learning
#Deteksi Penyakit Gigi
#ResNet-18
#Web
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|