<![CDATA[Latar Belakang: Masalah kesehatan gigi seperti gingivitis, karang gigi, dan karies masih menjadi permasalahan kesehatan masyarakat yang umum terjadi baik secara global maupun nasional. Kondisi ini sering kali tidak terdeteksi sejak dini karena keterbatasan akses pemeriksaan dan rendahnya kesadaran masyarakat, sehingga penanganan baru dilakukan ketika penyakit telah berkembang ke tahap yang lebih parah. Tujuan: Penelitian ini bertujuan untuk mengembangkan sistem deteksi masalah gigi berbasis web menggunakan algoritma YOLOv11 yang mampu mendeteksi tiga kondisi gigi, yaitu gingivitis, karang gigi, dan karies, sebagai upaya mendukung deteksi dini yang mudah diakses oleh masyarakat. Metode: Pengembangan sistem dilakukan menggunakan metode waterfall. Sistem memungkinkan pengguna untuk mengunggah citra gigi atau melakukan deteksi secara langsung melalui kamera, serta menyediakan dashboard dan riwayat hasil deteksi. Pengujian sistem dilakukan menggunakan pendekatan black-box testing untuk mengevaluasi fungsionalitas dari sisi pengguna dan white-box testing untuk memverifikasi logika serta alur eksekusi program. Model YOLOv11 dilatih dengan teknik augmentasi data dan hyperparameter tuning berbasis mutasi untuk meningkatkan performa deteksi. Hasil: Hasil evaluasi menunjukkan bahwa sistem deteksi yang dikembangkan mampu mencapai tingkat akurasi sebesar 81,47%, dengan nilai precision sebesar 0,935 dan recall sebesar 0,871. Nilai tersebut menunjukkan kemampuan model yang baik dalam mengidentifikasi dan membedakan kondisi gigi yang diuji. Kesimpulan: Sistem deteksi masalah gigi berbasis web menggunakan algoritma YOLOv11 memiliki potensi yang besar sebagai alat bantu deteksi dini kesehatan gigi. Sistem ini diharapkan dapat meningkatkan kesadaran masyarakat serta membantu pemantauan kondisi gigi secara mandiri dan berkelanjutan.]]>
