Klasifikasi Tingkat Pigmentasi Smoker Melanosis Melalui Citra Gingiva Perokok Menggunakan Metode Convolutional Neural Network

Kartika, Chandra (2023) Klasifikasi Tingkat Pigmentasi Smoker Melanosis Melalui Citra Gingiva Perokok Menggunakan Metode Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07311840000039-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2026. Download (4MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem yang mampu mengklasifikasikan tingkat pigmentasi smoker melanosis pada gingiva perokok menggunakan gambar dari kamera smartphone yang mudah diakses dan metode deep learning. Smoker melanosis adalah kondisi abnormal yang bersifat reversibel dan ditandai dengan adanya bercak berwarna coklat difus pada gingiva dan mukosa bukal. Meskipun bukan kondisi pra-malignan, tetapi berhubungan erat dengan durasi dan jumlah konsumsi rokok setiap hari. Mengingat dampak negatif rokok dan asosiasi penyakit yang terkait, sistem ini diharapkan dapat menjadi alat penilaian awal yang membantu pengguna untuk merujuk diri ke pemeriksaan medis lebih lanjutan, terutama yang terkait dengan intervensi penyakit kronis. Tahap persiapan dataset melibatkan pengambilan gambar dengan smartphone dengan mempertimbangkan variabel seperti jarak, fokus, dan cahaya sekitar untuk memastikan intensitas cahaya yang seragam pada gambar. Metode klasifikasi yang digunakan adalah Convolutional Neural Networks atau CNN, dengan menggunakan empat lapisan dan mencapai Presisi 0,84, Recall 0,83, dan F1-Score 0,83. Sebagai perbandingan, model Transfer Learning yang memanfaatkan MobileNet Pre-Trained dan lapisan atas yang disesuaikan mencapai Presisi 0,91, Recall 0,90, dan F1-Score 0,91. Struktur klasifikasi dalam penelitian ini diselesaikan menggunakan algoritma Soft-max, dan data yang telah diproses diukur akurasinya menggunakan confusion matrix. Sistem ini menawarkan pendekatan baru untuk menilai derajat pigmentasi dalam smoker melanosis dan dapat berfungsi sebagai alat penilaian awal yang membimbing pengguna ke konsultasi profesional lebih lanjut. Ini juga menambah pengetahuan di bidang ilmu kedokteran gigi, khususnya smoker melanosis, dan memberikan wawasan berharga tentang penerapan metode deep learning di dunia medis
====================================================================================================================================
This research aims to develop a system that is able to classify the level of smoker melanosis pigmentation in smokers' gingiva using images from easily accessible smartphone cameras and deep learning methods. Smoker melanosis is an abnormal condition that is reversible and is characterized by the presence of diffuse brown spots on the gingiva and buccal mucosa. Even though it is not a pre-malignant condition, it is closely related to the duration and amount of daily cigarette consumption. Given the negative impacts of smoking and the associated disease associations, it is hoped that this system can be an initial assessment tool that helps users to refer themselves for further medical examinations, especially those related to chronic disease interventions. The dataset preparation stage involves taking images with a smartphone by considering variables such as distance, focus, and ambient light to ensure uniform light intensity in the images. The classification method used is Convolutional Neural Networks or CNN, using four layers and achieving Precision 0.84, Recall 0.83, and F1-Score 0.83. In comparison, a Transfer Learning model utilizing MobileNet Pre-Trained and customized overlays achieved a Precision of 0.91, Recall of 0.90, and F1-Score of 0.91. The classification structure in this research was completed using the Soft-max algorithm, and the accuracy of the processed data was measured using a confusion matrix. This system offers a new approach to assess the degree of pigmentation in smoker melanosis and can serve as an initial assessment tool guiding users to further professional consultation. It also increases knowledge in the field of dental science, especially smoker melanosis, and provides valuable insight into the application of deep learning methods in the medical world

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Melanosis Perokok, Jaringan Neural Konvolusional (CNN), Pembelajaran Mendalam, Pencitraan Ponsel Cerdas, Pembelajaran Transfer; Smoker Melanosis, Convolutional Neural Networks (CNN), Deep Learning, Smartphone Imaging, Transfer Learning
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	chandra kartika ahmad ibrahim
Date Deposited:	15 Feb 2024 06:38
Last Modified:	15 Feb 2024 06:38
URI:	http://repository.its.ac.id/id/eprint/107116

Actions (login required)

View Item