SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT
Penulis: Bagas Aditya (Penulis Utama / Mahasiswa) RULLY PRAMUDITA, S.T., M.Kom. (Dosen Pembimbing I)
OPEN ACCESS COVER
UNIVERSITAS BINA INSANI
INSTITUTIONAL REPOSITORYSkripsi (S1) BEKASI, 2026
SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT
Fakultas: FID
Program Studi: Teknik Informatika (S1)
Tanggal Terbit: 15 September 2026
Abstrak / Ringkasan Karya
Open AccessPenyakit 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.
Generator Sitasi Ilmiah
APA / IEEE / BibTeXBagas Aditya (2026). SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT. Skripsi (S1), FID, Universitas Bina Insani, Bekasi.
Bagas Aditya, "SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT," Skripsi (S1), Univ. Bina Insani, Bekasi, 2026.
@thesis{submission85,
author = {Bagas Aditya},
title = {SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT},
school = {Universitas Bina Insani},
year = {2026}
}
Metadata Lengkap Item
| Judul Karya | SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT |
|---|---|
| Tipe Dokumen | Skripsi (S1) |
| Daftar Penulis |
Bagas Aditya
(Penulis Utama / Mahasiswa)
RULLY PRAMUDITA, S.T., M.Kom.
(Dosen Pembimbing I • NIDN: 415038902)
|
| Tautan OJS Resmi | https://ejournal.techcart-press.com/index.php/chain/article/view/280 |
| Institusi | Universitas Bina Insani |
| Fakultas / Divisi | FID |
| Program Studi | Teknik Informatika (S1) |
| Penerbit / Publisher | Universitas Bina Insani |
| Klasifikasi Subjek | Software Engineering & Research |
| Kata Kunci | #Deep Learning #Deteksi Penyakit Gigi #ResNet-18 #Web #YOLOv8. |
Berkas Naskah Dokumen
-
Cover_Halaman_Judul.pdf
Cover Page • 245 KBOpen Access (Publik) -
Abstrak_Bina_Insani.pdf
Abstract Page • 180 KBOpen Access (Publik) -
Bab_1_Pendahuluan.pdf
Chapter 1 • 420 KBRestricted Hanya pengunggah asli -
Bab_2_Tinjauan_Pustaka.pdf
Chapter 2 • 850 KBRestricted Hanya pengunggah asli -
Bab_3_Metodologi_Penelitian.pdf
Chapter 3 • 610 KBRestricted Hanya pengunggah asli -
Bab_4_Hasil_Dan_Pembahasan.pdf
Chapter 4 • 1.8 MBRestricted Hanya pengunggah asli -
Bab_5_Kesimpulan_Dan_Saran.pdf
Chapter 5 • 320 KBRestricted Hanya pengunggah asli
Kebijakan Akses Berkas Repository
Sesuai dengan pedoman repository institusi Universitas Bina Insani:
- Halaman Sampul (Cover) & Abstrak: Dapat diakses dan diunduh secara bebas oleh publik (Open Access).
- Naskah Bab 1 s.d. Bab 5: Bersifat terbatas (Restricted Access). Hanya pengunggah asli karya dan Staff Perpustakaan yang dapat mengakses berkas naskah ini.