Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Equivalent: Jurnal Ilmiah Sosial Teknik
Bau, Taufik R. L.
Unknown Affiliation
Economics, Econometrics & Finance Electrical & Electronics Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

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

Found 1 Documents
Search

 1 
SISTEM DETEKSI MASALAH GIGI MENGGUNAKAN ALGORITMA YOLO BERBASIS WEB Hidayat, Syifa Nur’Afni; Takdir, Rahman; Polin, Muchlis; Hadjaratie, Lillyan; Pakaya, Nikmasari; Bau, Taufik R. L.
Equivalent: Jurnal Ilmiah Sosial Teknik Vol. 7 No. 2 (2025): Equivalent: Jurnal Ilmiah Sosial Teknik
Publisher : Politeknik Siber Cerdika Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59261/jequi.v7i2.230

Abstract

Masalah kesehatan gigi seperti gingivitis, karang gigi, dan karies masih menjadi permasalahan kesehatan masyarakat yang umum terjadi baik secara global maupun nasional, dan sering kali tidak terdeteksi hingga kondisinya menjadi parah. Penelitian ini bertujuan untuk mengembangkan sistem deteksi masalah gigi berbasis web dengan menggunakan algoritma YOLOv11 guna mendeteksi tiga kondisi gigi, yaitu gingivitis, karang gigi, dan karies. Sistem ini memungkinkan pengguna untuk mengunggah gambar atau melakukan deteksi langsung dengan memanfaatkan kamera, serta melihat dashboard dan menyimpan riwayat deteksi guna mempermudah pemantauan kondisi gigi. Metode yang digunakan dalam pengembangan sistem adalah waterfall, dengan Pengujian dilakukan dengan pendekatan black-box testing untuk menguji fungsionalitas fitur dari sisi pengguna tanpa melihat struktur internal program, serta white-box testing untuk memverifikasi logika program dan alur eksekusi kode secara menyeluruh. YOLOv11 dilatih dengan teknik augmentasi dan tuning berbasis mutation untuk meningkatkan performa deteksi. Hasil evaluasi menunjukkan bahwa sistem dapat mencapai akurasi 81.47%, dengan precision 0.935 dan recall 0.871. Secara keseluruhan, sistem ini menunjukkan potensi besar dalam memberikan kemudahan bagi masyarakat untuk melakukan deteksi dini terhadap masalah gigi.
Co-Authors Hidayat, Syifa Nur’Afni Lillyan Hadjaratie Muchlis Polin Pakaya, Nikmasari Rahman Takdir