Implementasi You Only Look Once 11 (YOLOv11) untuk Identifikasi Landmark pada Citra Sefalogram Lateral

Monica, Ica Dewi (2025) Implementasi You Only Look Once 11 (YOLOv11) untuk Identifikasi Landmark pada Citra Sefalogram Lateral. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) cover dan abstrak.pdf - Published Version Download (282kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (205kB)
	Text (Skripsi full text) Tugas Akhir full text.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy
	Text (BAB 5 Penutup) BAB 5.pdf - Published Version Download (167kB)
	Text (BAB 1 Pendahuluan) BAB 1.pdf - Published Version Download (218kB)

Abstract

Penelitian implementasi YOLOv11 untuk identifikasi landmark pada citra sefalogram lateral telah dilakukan karena deteksi landmark secara manual oleh dokter gigi memerlukan waktu yang lama dan rentan terhadap kesalahan subjektif dengan tujuan Penelitian ini bertujuan untuk mengambangkan sistem deteksi landmark secara otomatis untuk mendukung diagnosis, dan perencanaan perawatan di bidang ortodontik. Dataset terdiri dari 50 citra sefalogram yang diperoleh dari Instalasi Radiologi Rumah Sakit Gigi dan Mulut Universitas Andalas, yang setelah proses labeling berdasarkan standar American Board of Orthodontics (ABO) dan augmentasi untuk menambah variasi citra di platform roboflow meningkat menjadi 110 citra, yang terdiri atas 90 citra training, 10 citra validation, dan 10 citra testing. Proses training dilakukan pada platform kaggle menggunakan YOLOv11 varian model “yolo11s-pose” dengan pengujian bertahap pada jumlah epoch 20, 40, 60, 80, 100, serta 300 epoch, dan hasil terbaik diperoleh pada epoch ke-104 dengan akurasi paling tinggi. Evaluasi performa model menggunakan confusion matrix menunjukkan akurasi, presisi, recall, dan F-score yang bernilai 1,0 yang disebabkan jumlah data terbatas dan kemiripan data testing dengan data training sehingga model mengalami overfitting. Namun, hasil evaluasi kualitatif yang divalidasi oleh tiga dokter gigi spesialis ortodontik menunjukkan mayoritas landmark tidak berada pada posisi yang sesuai dengan struktur anatomi kraniofasial. Hal ini menunjukkan bahwa implementasi YOLOv11 sudah baik secara kuantitatif, tetapi masih diperlukan penyempurnaan dengan menambah variasi background pada data uji agar evaluasi spesifisitas dan kemampuan model menghindari kesalahan deteksi dapat dilakukan lebih komprehensif.

Actions (login required)

View Item