SISTEM PAKAR IDENTIFIKASI PENYAKIT GIGI BERLUBANG MENGGUNAKAN METODE NEURAL NETWORK DENGAN ALGORITMA BACKPROPAGATION

jauhar, afif
Istiadi, Istiadi
Marisa, Fitri

Prosidia Widya Saintek
Vol. 4 No. 1 (2025)

Penelitian ini bertujuan untuk mengevaluasi performa model Sistem Pakar menggunakan neural network (NN) dalam identifikasi kasus gigi berdasarkan data gejala pasien. Model dilatih menggunakan algoritma backpropagation dengan berbagai skenario pembagian data dan jumlah epoch. Hasil kurva loss menunjukkan bahwa model mampu belajar dengan baik dan mencapai konvergensi pada sekitar epoch ke-150. Evaluasi performa menunjukkan bahwa skenario 70:30 menghasilkan akurasi, recall, dan F1-score terbaik, meskipun presisi relatif lebih rendah dibanding recall. Analisis data gejala pasien memperlihatkan bahwa nyeri parah, perubahan warna gigi (kekuningan dan coklat/hitam), serta sensitivitas terhadap makanan/minuman dingin merupakan keluhan dominan, dengan solusi utama berupa edukasi kesehatan gigi dan pola makan sehat. Confusion matrix sebelum balancing menunjukkan bias kuat terhadap kelas mayoritas (dentin), sehingga model gagal mengenali kelas enamel dan saraf. Oleh karena itu, diperlukan strategi balancing data dan optimasi parameter untuk meningkatkan presisi serta akurasi klasifikasi multi-kelas. Secara keseluruhan, model NN menunjukkan potensi yang baik sebagai sistem pendukung analisis dan diagnosis berbasis data, namun masih memerlukan perbaikan untuk mencapai performa yang lebih andal.