Klasifikasi Penyakit Pulpitis Pada Citra Radiografi Periapikal Menggunakan Metode Convolutional Neural Network (CNN)

Abstract

Gigi adalah bagian penting dari tubuh manusia. Kurangnya perawatan gigi dapat menyebabkan berbagai penyakit gigi, salah satunya pulpitis. Pulpitis adalah peradangan pada pulpa gigi (bagian terdalam gigi yang berisi saraf dan pembuluh darah) dan jaringan di sekitar akar gigi. Penyakit ini juga bisa disebabkan oleh sakit gigi atau gigi tanggal, terutama pada orang muda. Untuk mendiagnosis pulpitis, dokter gigi menggunakan teknik radiografi periapikal. Teknik ini memberikan gambar jelas dari seluruh lapisan gigi, memungkinkan diagnosis kondisi gigi dan jaringan sekitarnya. Namun, hasil radiografi ini hanya dapat diinterpretasikan oleh dokter spesialis radiologi gigi, yang jumlahnya terbatas. Oleh karena itu, untuk memudahkan mendeteksi penyakit pulpitis, digunakan klasifikasi dengan teknik pengolahan citra (image processing) untuk membantu dokter dalam mengklasifikasikan penyakit pulpitis berdasarkan citra radiografi. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan penyakit pulpitis berdasarkan citra radiografi. CNN adalah variasi dari Multi Layer Perceptron (MLP) yang memiliki sedikit parameter bebas karena tidak memerlukan pra-pemrosesan, segmentasi, atau ekstraksi fitur. Penelitian ini menggunakan 1000 data citra yang dibagi menjadi dua kelas: pulpitis dan normal. Hasil pengujian menunjukkan bahwa hyperparameter seperti nilai epoch dan optimizer sangat mempengaruhi akurasi. Akurasi tertinggi yang dicapai adalah 98,75% dengan menggunakan optimizer RMSPROP dan nilai epoch 50. Penelitian ini menunjukkan bahwa penggunaan Convolutional Neural Network (CNN) dapat membantu dokter gigi dalam mendiagnosis penyakit pulpitis. Sistem ini dapat digunakan untuk mempermudah dan membantu dokter dalam menentukan diagnosis pulpitis berdasarkan citra radiografi.