Sistem Deteksi Masalah Gigi Menggunakan Algoritma Yolo Berbasis Web

Authors

  • Syifa Nur’Afni Hidayat Universitas Negeri Gorontalo, Indonesia
  • Rahman Takdir Universitas Negeri Gorontalo, Indonesia
  • Muchlis Polin Universitas Negeri Gorontalo, Indonesia
  • Lillyan Hadjaratie Universitas Negeri Gorontalo, Indonesia
  • Nikmasari Pakaya Universitas Negeri Gorontalo, Indonesia
  • Taufik R. L. Bau Universitas Negeri Gorontalo, Indonesia

DOI:

https://doi.org/10.59261/jequi.v7i2.230

Keywords:

penyakit gigi, deteksi dini, hyperparameter berbasis mutasi, sistem berbasis web, algoritma YOLOv1

Abstract

Latar Belakang: Masalah kesehatan gigi seperti gingivitis, karang gigi, dan karies masih menjadi permasalahan kesehatan masyarakat yang umum terjadi baik secara global maupun nasional. Kondisi ini sering kali tidak terdeteksi sejak dini karena keterbatasan akses pemeriksaan dan rendahnya kesadaran masyarakat, sehingga penanganan baru dilakukan ketika penyakit telah berkembang ke tahap yang lebih parah.

Tujuan: Penelitian ini bertujuan untuk mengembangkan sistem deteksi masalah gigi berbasis web menggunakan algoritma YOLOv11 yang mampu mendeteksi tiga kondisi gigi, yaitu gingivitis, karang gigi, dan karies, sebagai upaya mendukung deteksi dini yang mudah diakses oleh masyarakat.

Metode: Pengembangan sistem dilakukan menggunakan metode waterfall. Sistem memungkinkan pengguna untuk mengunggah citra gigi atau melakukan deteksi secara langsung melalui kamera, serta menyediakan dashboard dan riwayat hasil deteksi. Pengujian sistem dilakukan menggunakan pendekatan black-box testing untuk mengevaluasi fungsionalitas dari sisi pengguna dan white-box testing untuk memverifikasi logika serta alur eksekusi program. Model YOLOv11 dilatih dengan teknik augmentasi data dan hyperparameter tuning berbasis mutasi untuk meningkatkan performa deteksi.

Hasil: Hasil evaluasi menunjukkan bahwa sistem deteksi yang dikembangkan mampu mencapai tingkat akurasi sebesar 81,47%, dengan nilai precision sebesar 0,935 dan recall sebesar 0,871. Nilai tersebut menunjukkan kemampuan model yang baik dalam mengidentifikasi dan membedakan kondisi gigi yang diuji.

Kesimpulan: Sistem deteksi masalah gigi berbasis web menggunakan algoritma YOLOv11 memiliki potensi yang besar sebagai alat bantu deteksi dini kesehatan gigi. Sistem ini diharapkan dapat meningkatkan kesadaran masyarakat serta membantu pemantauan kondisi gigi secara mandiri dan berkelanjutan.

Downloads

Download data is not yet available.

References

Alfarizi, D. N., Pangestu, R. A., Aditya, R. A., Setiawan, M. A., & Rosyani, P. (2023). Penggunaan Metode Yolo Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis. Jurnal Ai Dan Spk : Jurnal Artificial Inteligent Dan Sistem Penunjang Keputusan, 54–63.

Etim, J., -Authors, C., Ishaka Akyala, A., Omudu, A., Asukwo, A., Adekemi, I., Grace, C., Idoko, M., & Asuquo, P. (2025). Harnessing Artificial Intelligence For Public Health Surveillance In Africa: Current Applications, Challenges, And Opportunities: A Scoping Review. International Journal Of Research And Innovation In Social Science.

Gonzalez-Argote, J., Alonso-Galbán, P., Vitón-Castillo, A. A., Lepez, C. O., Castillo-Gonzalez, W., Bonardi, M. C., & Cano, C. A. G. (2023). Trends In Scientific Output On Artificial Intelligence And Health In Latin America In Scopus. Eai Endorsed Transactions On Scalable Information Systems, 10(4). Https://Doi.Org/10.4108/Eetsis.Vi.3231

Hartanto, H. A., Arsanti, M., & Wicaksono, M. S. (2024). Penyakit Gigi Dan Gusi Sebagai Penyebab Penyakit Jantung. Jurnal Teras Kesehatan, 7(2), 11–18. Https://Doi.Org/10.38215/Jtkes.V7i2.131

Katznelson, G., & Gerke, S. (2021). The Need For Health Ai Ethics In Medical School Education. Advances In Health Sciences Education, 26(4). Https://Doi.Org/10.1007/S10459-021-10040-3

Kementerian Kesehatan Indonesia. (2022). Profil Kesehatan Indonesia. Kementerian Kesehatan Republik Indonesia.

Kementerian Kesehatan Indonesia. (2023). Survei Kesehatan Indonesia 2023 (Ski). In Kementerian Kesehatan Indonesia.

Kirby, R. (2024). Artificial Intelligence And Health Care. Trends In Urology & Men’s Health, 15(3). Https://Doi.Org/10.1002/Tre.971

Makarim, A. F., Karlita, T., Sigit, R., Dewantara, B. S. B., & Brahmanta, A. (2023). Deteksi Kondisi Gigi Manusia Pada Citra Intraoral Menggunakan Yolov5. The Indonesian Journal Of Computer Science, 12(4), 2125–2134. Https://Doi.Org/10.33022/Ijcs.V12i4.3355

Obasa, A. E., & Palk, A. C. (2023). Responsible Application Of Artificial Intelligence In Health Care. South African Journal Of Science, 119(5). Https://Doi.Org/10.17159/Sajs.2023/14889

Powell, J. (2019). Trust Me, I’m A Chatbot: How Artificial Intelligence In Health Care Fails The Turing Test. Journal Of Medical Internet Research, 21(10). Https://Doi.Org/10.2196/16222

Ragab, M. G., Abdulkadir, S. J., Muneer, A., Alqushaibi, A., Sumiea, E. H., Qureshi, R., Al-Selwi, S. M., & Alhussian, H. (2024). A Comprehensive Systematic Review Of Yolo For Medical Object Detection (2018 To 2023). Ieee Access, 12, 57815–57836. Https://Doi.Org/10.1109/Access.2024.3386826

Ramezani, M., Takian, A., Bakhtiari, A., Rabiee, H. R., Fazaeli, A. A., & Sazgarnejad, S. (2023). The Application Of Artificial Intelligence In Health Financing: A Scoping Review. In Cost Effectiveness And Resource Allocation (Vol. 21, Issue 1). Https://Doi.Org/10.1186/S12962-023-00492-2

Riset Kesehatan Dasar. (2018). Laporan Riskesdas 2018 Nasional.Pdf. In Balitbangkes (P. Hal 156).

Senthilkumar, T., Arumugam, T., Pandurangan, H., & Panjaiyan, K. (2023). Adoption Of Artificial Intelligence In Health Care: A Nursing Perspective. Salud, Ciencia Y Tecnologia, 3. Https://Doi.Org/10.56294/Saludcyt2023510

Sinaga, A. P., Puspandari, D. A., & Marthias, T. (2022). Korelasi Disparitas Ketersediaan Tenaga Medis Gigi Antardaerah Terhadap Pemanfaatan Layanan Gigi Dan Mulut Di Indonesia. Jurnal Manajemen Pelayanan Kesehatan (The Indonesian Journal Of Health Service Management), 25(03), 108–115. Https://Doi.Org/10.22146/Jmpk.V25i03.5879

Smith, A., Arena, R., Bacon, S. L., Faghy, M. A., Grazzi, G., Raisi, A., Vermeesch, A. L., Ong’wen, M., Popovic, D., & Pronk, N. P. (2024). Recommendations On The Use Of Artificial Intelligence In Health Promotion. In Progress In Cardiovascular Diseases (Vol. 87). Https://Doi.Org/10.1016/J.Pcad.2024.10.003

Srivastava, S., Divekar, A. V., Anilkumar, C., Naik, I., Kulkarni, V., & Pattabiraman, V. (2021). Comparative Analysis Of Deep Learning Image Detection Algorithms. Journal Of Big Data, 8(1). Https://Doi.Org/10.1186/S40537-021-00434-W

Trenggono, P. H., & Bachtia, A. (2023). Peran Artificial Intelligence Dalam Pelayanan Kesehatan : A Systematic Review. Jurnal Ners Research & Learning In Nursing Science, 444–451.

Tsabita, A. A., Dewi, I. K., Farani, W., & Paryontri, B. A. (2022). Peningkatan Pengetahuan Kesehatan Gigi Dan Mulut Di Posyandu Lansia Ngudi Waras Dan Panti Asuhan Mustika Tama. Selaparang: Jurnal Pengabdian Masyarakat Berkemajuan, 6(3), 1131. Https://Doi.Org/10.31764/Jpmb.V6i3.8969

World Health Organization. (2022). Oral Health Country Profile (Issue 2019).

World Health Organization. (2024). Oral Health.

Yang, Y., Ngai, E. W. T., & Wang, L. (2024). Resistance To Artificial Intelligence In Health Care: Literature Review, Conceptual Framework, And Research Agenda. Information And Management, 61(4). Https://Doi.Org/10.1016/J.Im.2024.103961

Downloads

Published

2025-07-21