DETEKSI PENYAKIT GIGI PADA CITRA DENTAL OPG X-RAYS MENGGUNAKAN ARSITEKTUR EFFICIENTDET

Jesen Ong (Informatika, Universitas Multi Data Palembang)
Muhammad Rizky Pribadi (Informatika, Universitas Multi Data Palembang)

JATI (Jurnal Mahasiswa Teknik Informatika)
Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1

Penelitian ini memanfaatkan deep learning untuk membantu diagnosis penyakit gigi dari citra radiografi panoramik Orthopantomogram (OPG) mengingat tingginya prevalensi masalah gigi dan mulut serta rendahnya akses perawatan (WHO, 2022; Riskesdas, 2018; Survei Kesehatan Indonesia, 2023). Analisis OPG memiliki kompleksitas visual seperti distorsi, tumpang tindih struktur, variasi kontras, serta objek patologis berukuran kecil yang menyulitkan interpretasi secara konsisten. Penelitian ini bertujuan membandingkan kinerja EfficientDet-D2, EfficientDet-D3, dan EfficientDet-D4 dalam mendeteksi lima kelas penyakit, yaitu Caries, Infection, Impacted teeth, Fracture, dan Broken crown. Dataset publik Rahman dkk. (2024) diolah melalui Roboflow dan dibagi menjadi 134 citra latih (449 anotasi), 13 citra validasi (49 anotasi), dan 12 citra uji (28 anotasi). Ukuran input disesuaikan per varian (D2: 768, D3: 896, D4: 1024) dan model diinisialisasi menggunakan pretrained weights COCO. Evaluasi menggunakan mAP50. EfficientDet-D4 memperoleh mAP50 tertinggi pada validasi sebesar 0,800, sedangkan mAP50 terbaik pada data uji dicapai EfficientDet-D2 sebesar 0,714, diikuti EfficientDet-D4 sebesar 0,701 dan EfficientDet-D3 sebesar 0,622