<![CDATA[Penelitian ini menggunakan model CNN ResNet-18 untuk klasifikasi kondisi gigi berbasis citra RGB dengan empat kategori: Calculus, Caries, Gingivitis, dan Tooth Discoloration. Data diambil dari dataset Oral Diseases. Teknik preprocessing mencakup Resize, Center Crop, dan Normalization. Model dilatih menggunakan optimizer Adam dengan learning rate 0.001 dan 50 epoch. Tujuan penelitian menggunakan Residual Network-18 untuk melakukan klasifikasi kondisi gigi Gingivitis, Calculus, Karies, dan Tooth Discoloration yang menggunakan data dari dataset Oral Diseases. Tahapan preprocessing mencakup Resize, Center Crop, Random Resized Crop, Random Horizontal Flip, Random Rotation, ToTensor, dan Normalization. Model dilatih dengan Hyperparameter optimizer Adam, Learning Rate 0.0001, Epochs 50, dan Batch Size 16. Hasil evaluasi model mencatat bahwa model mendapatkan performa akurasi tinggi pada kelas Caries 97% dan kelas Tooth Discoloration 96%. Namun performa akurasi yang lebih rendah pada kelas Gingivitis 88% dan kelas Calculus 78%. Penelitian ini memberikan kontribusi pada efisiensi diagnostik gigi dengan mengurangi ketergantungan pada X-Ray.]]>
Copyrights © 2024
