Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Khoifah Inda Maula
Institut Teknologi Sepuluh Nopember
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi Kondisi Gigi Anak pada Radiografi Panoramik Menggunakan YOLOv8 dan Teknik Peningkatan Citra: Detection of Children's Dental Conditions in Panoramic Radiography Using YOLOv8 and Image Enhancement Techniques Khoifah Inda Maula; Chastine Fatichah; Hilya Tsaniya Ismet
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 1 (2026): MALCOM January 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i1.2438

Abstract

Citra panoramik gigi merupakan teknik radiografi yang memberikan gambaran menyeluruh terhadap struktur gigi, rahang, serta jaringan pendukung lainnya dalam satu citra, sehingga banyak digunakan untuk diagnosis awal dan perencanaan perawatan, khususnya pada pasien anak-anak. Namun, karakteristik gigi anak yang unik seperti keberadaan gigi campuran dan perubahan posisi gigi yang dinamis mengakibatkan interpretasi citra menjadi lebih kompleks. Selain itu, kualitas citra yang kurang optimal seperti kontras rendah dan distribusi sinar-X yang tidak merata dapat menghambat proses deteksi secara akurat. Penelitian ini bertujuan meningkatkan kualitas citra serta melakukan deteksi otomatis citra panoramik gigi anak menggunakan You Only Look Once (YOLO) yang dikenal unggul dalam kecepatan dan akurasi deteksi objek. Proses peningkatan citra dilakukan dengan tiga teknik, yaitu Histogram Equalization (HE), Contrast Limited Adaptive Histogram Equalization (CLAHE), dan gamma correction. Hasil pengujian menunjukkan bahwa penerapan CLAHE memberikan performa deteksi terbaik dibandingkan dengan metode HE maupun gamma correction. Berdasarkan analisis metrik evaluasi, penggunaan CLAHE terbukti paling optimal dalam meratakan kontras lokal dan menekan noise, sehingga YOLOv8 dapat mengekstraksi fitur gigi anak yang kompleks. Sebagai kesimpulan, kombinasi metode prapemrosesan CLAHE dan model deteksi YOLOv8 merupakan pendekatan yang paling efektif untuk mengatasi permasalahan kualitas citra dan direkomendasikan untuk pengembangan sistem diagnosis otomatis citra panoramik gigi anak.
Co-Authors Chastine Fatichah Hilya Tsaniya Ismet