<![CDATA[Kesehatan gigi dan mulut sangat penting bagi kesejahteraan umum, namun banyak orang mengabaikan pengobatan karena kurangnya kesadaran atau tantangan diagnostik. Metode diagnostik tradisional sering kali kurang akurat dan efisien. Penelitian ini bertujuan mengembangkan sistem otomatis untuk mengklasifikasikan penyakit gigi dan mulut menggunakan algoritma deep learning Inception-V3 guna meningkatkan akurasi diagnostik. Penelitian menggunakan dataset 8.776 citra oral yang diseimbangkan dengan SMOTE dan diproses dengan teknik augmentasi. Inception-V3 dilatih dan dibandingkan dengan CNN, VGG-16, ResNet50, serta model machine learning tradisional. Model Inception-V3 mencapai akurasi 94%, mengungguli model lain (CNN: 81%, VGG-16: 88.7%, ResNet50: 76.25%) dan menunjukkan stabilitas tanpa overfitting. Studi ini menegaskan potensi Inception-V3 dalam analisis gambar medis, menawarkan alat diagnostik yang andal untuk deteksi dini penyakit gigi dan mulut, sehingga dapat meningkatkan hasil layanan kesehatan.]]>
Copyrights © 2025
