IMPLEMENTASI MACHINE LEARNING MENGGUNAKAN CNN PADA WEBSITE DIAGNOSA GIGI (STUDI KASUS KLINIK XXONE DENTAL CARE)

NUGROHO, LUKMAN PRASETYO (2024) IMPLEMENTASI MACHINE LEARNING MENGGUNAKAN CNN PADA WEBSITE DIAGNOSA GIGI (STUDI KASUS KLINIK XXONE DENTAL CARE). Skripsi (S1) thesis, Universitas Muhammadiyah Metro.

Preview	Text cover.pdf Download (229kB) | Preview
Preview	Text Abstrak.pdf Download (36kB) | Preview
Preview	Text Bab I.pdf Download (86kB) | Preview
Preview	Text Bab III.pdf Download (138kB) | Preview
Preview	Text Bab V.pdf Download (22kB) | Preview
Preview	Text Daftar Pustaka.pdf Download (37kB) | Preview

Abstract

Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan sistem diagnosis penyakit gigi berbasis machine learning menggunakan Convolutional Neural Network (CNN) pada website klinik Xxone Dental Care. Dengan adanya sistem ini, diharapkan dapat memberikan diagnosis awal yang akurat bagi pasien, sehingga membantu proses perawatan gigi menjadi lebih efektif dan efisien. Metodologi yang digunakan dalam penelitian ini adalah Software Development LifeCycle (SDLC) dengan pendekatan Waterfall. Proses pengembangan meliputi pengumpulan data, perancangan sistem, pengembangan aplikasi menggunakan Python dan TensorFlow, serta pengujian sistem melalui Black Box Testing dan Beta Testing. Hasil penelitian menunjukkan bahwa sistem diagnosis berbasis CNN memiliki tingkat akurasi tinggi dalam mendeteksi berbagai penyakit gigi seperti karies, kalkulus, dan radang gusi. Sistem ini tidak hanya memberikan manfaat praktis bagi klinik dalam meningkatkan pelayanan kepada pasien, tetapi juga menjadi referensi dalam pengembangan aplikasi machine learning di bidang kesehatan gigi. Diharapkan penelitian ini dapat memberikan kontribusi signifikan dalam bidang ilmu komputer dan kedokteran gigi.

Item Type:	Thesis (Skripsi (S1))
Additional Information:	008/S1 ILMU KOMPUTER/2024
Uncontrolled Keywords:	Machine Learning; Convolutional Neural Network (CNN); Diagnosa Gigi
Subjects:	000 Karya Umum > Ilmu Komputer
Divisions:	Fakultas Ilmu Komputer > S1 Ilmu Komputer
Depositing User:	Lina Septriani S
Date Deposited:	18 Mar 2025 01:46
Last Modified:	19 Mar 2025 02:57
URI:	http://eprints.ummetro.ac.id/id/eprint/3859

Actions (login required)

View Item