<![CDATA[Perkembangan teknologi Deep Learning memberikan peluang besar dalam pengolahan citra medis, khususnya untuk mendukung proses deteksi otomatis karies gigi. Penelitian ini mengembangkan model klasifikasi citra gigi dengan mengombinasikan metode Local Binary Pattern (LBP) dan Convolutional Neural Network (CNN). Dataset yang digunakan diperoleh dari Kaggle dan Mendeley Data dengan total 2.640 citra, yang terdiri atas dua kelas, yaitu karies dan non-karies. Tahapan penelitian meliputi pra-pemrosesan citra, ekstraksi fitur tekstur menggunakan LBP uniform dengan parameter P = 8 dan R = 1, serta pelatihan model CNN menggunakan optimizer Adam dengan learning rate sebesar 1e-4 selama 30 epoch. Model yang telah dilatih kemudian diimplementasikan ke dalam aplikasi web berbasis Flask, sehingga pengguna dapat mengunggah citra gigi dan memperoleh hasil klasifikasi secara langsung beserta nilai confidence dan probabilitas. Hasil pengujian menunjukkan bahwa model klasifikasi yang dikembangkan mampu mencapai akurasi sebesar 88%, dengan nilai confidence berkisar antara 79,39%–95,00% untuk kelas karies dan 82,62%–97,53% untuk kelas non-karies. Sistem berbasis web ini dinilai efektif untuk mendukung proses deteksi dini karies gigi secara cepat, interaktif, dan akurat.]]>
Copyrights © 2026
