Sistem Deteksi Karies Gigi pada Citra Periapikal Berbasis Deep Learning dengan Augmentasi Geometrik untuk Peningkatan Akurasi
Abstrak
Karies gigi merupakan salah satu penyakit umum yang menyerang jaringan keras gigi dan berdampak pada kualitas hidup. Deteksi karies secara konvensional menggunakan visual, palpasi, atau radiografi cenderung subjektif dan bergantung pada pengalaman klinisi. Penelitian ini mengusulkan sistem deteksi otomatis karies gigi menggunakan arsitektur deep learning YOLOv8 yang dikombinasikan dengan augmentasi geometrik untuk meningkatkan akurasi pada dataset terbatas. Dataset terdiri dari 1.635 citra periapikal yang kemudian diproses untuk deteksi objek (gigi) dan klasifikasi ke dalam tiga kelas: noncaries, caries media, dan caries profunda. Proses augmentasi yang digunakan meliputi flipping, rotation, scaling, shearing, dan translation. Hasil pengujian menunjukkan bahwa model dengan augmentasi geometrik tertentu dapat meningkatkan akurasi klasifikasi dari 69% menjadi 78,8%, serta menurunkan nilai loss secara signifikan. Model ini juga berhasil diimplementasikan ke dalam aplikasi mobile menggunakan Flutter dan TensorFlow Lite. Sistem ini diharapkan mampu menjadi pendukung keputusan bagi tenaga medis dalam mendeteksi karies gigi secara cepat dan akurat.