Deteksi Dini Karies dan Karang Gigi Berbasis Android Menggunakan CNN MobileNetV2 dan Transfer Learning

Abstract

Karies dan karang gigi merupakan gangguan kesehatan gigi yang umum dan dapat berkembang menjadi infeksi serta kerusakan gigi yang lebih parah apabila terlambat ditangani, sementara akses terhadap pemeriksaan rutin masih terbatas. Penelitian ini bertujuan mengembangkan sistem klasifikasi citra gigi sebagai alat bantu deteksi dini karies, karang gigi, dan gigi normal menggunakan Convolutional Neural Network (CNN) arsitektur MobileNetV2 dengan pendekatan transfer learning yang diimplementasikan pada aplikasi Android. Dataset Kaggle berjumlah 3.539 citra; pemeriksaan hashing MD5 menemukan 467 citra duplikat pada kelas karang gigi sehingga dataset akhir berjumlah 2.829 citra yang dibagi dengan rasio 70:15:15. Citra diubah menjadi 224 × 224 piksel dan data latih diaugmentasi. Pelatihan dilakukan dalam dua tahap, yaitu pelatihan classifier dengan base model dibekukan dan fine-tuning sekitar 30 lapisan terakhir. Evaluasi pada 425 citra uji menghasilkan akurasi 98,59% dengan precision, recall, dan F1-score yang seimbang pada ketiga kelas, dengan enam citra salah diklasifikasikan, sebagian besar antara karies dan karang gigi. Model diintegrasikan melalui FastAPI ke aplikasi Android berbasis Flutter. Pengujian pada citra di luar dataset menunjukkan confidence yang lebih rendah akibat domain shift. Sistem ini berpotensi menjadi alat bantu klasifikasi awal, bukan pengganti diagnosis tenaga medis, dan deduplikasi data perlu dilakukan sebelum pembagian dataset.