Komparatif Studi Model Deep Learning Untuk Deteksi Karies Gigi
Abstrak
Karies gigi merupakan sebuah penyakit gigi yang dianggap sebagai masalah kesehatan masyarakat global dan diperlukan pendeteksi yang terjangkau untuk daerah-daerah terpencil. Penelitian ini menyajikan komparasi terhadap hasil evaluasi model deep learning untuk mendeteksi karies gigi dari tingkat awal hingga rampan dengan menggunakan model YOLOv11, Faster R-CNN dan RetinaNet. Dataset berisi 1.036 gambar dengan yang terbagi dalam 4 kelas (gigi sehat, karies awal, karies sedang dan karies rampan). Hasilnya YOLOv11 menghasilkan mean average precision (mAP) tertinggi sebesar 79.2%. Selain itu, skor precision (70,9%), recall (76,6%) dan f1 score (73,6%) yang seimbang, average precision (AP) per kelas yang tinggi (gigi sehat: 85,5%, karies awal: 66,9%, karies rampan: 91,6% dan karies sedang: 72,6%), waktu inferensi secepat 5.6 ms per gambar dan ukuran model sekecil 5 MB nya juga diungguli oleh YOLOv11 yang cocok untuk diimplementasikan ke berbagai macam perangkat untuk mendukung tenaga medis dalam mendeteksi karies gigi di daerah terpencil.
Identifier
- OpenAlex: https://openalex.org/W4409998159
- DOI: https://doi.org/10.33022/ijcs.v14i2.4857

