@mastersthesis{universitasamikomyogyakarta32610,
          author = {Dloifur Rohman Al Ghifari},
            year = {2025},
           month = {August},
          school = {Universitas AMIKOM Yogyakarta},
           title = {OPTIMASI K-NEAREST NEIGHBOR (K-NN) MENGGUNAKAN
ALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK
MENGIDENTIFIKASI PENYAKI GIGI DAN MULUT},
        keywords = {Klasifikasi, penyakit Gigi dan Mulut, CNN, KNN, PSO, Classification, Dental and Oral Diseases.},
             url = {https://eprints.amikom.ac.id/id/eprint/32610/},
        abstract = {Gigi dan mulut merupakan salah organ tubuh yang sangat penting bagi 
manusia. Mulut merupakan gerbang masuk seluruh makanan yang dibutuhkan
tubuh dan gigi merupakan alat mengunyah agar proses pencernaan makanan dalam
perut berjalan baik. Mulut dan gigi yang tidak sehat akan menimbulkan dampak
negatif dan mengganggu kegiatan sehari hari. Menurut Hasil Riset Dasar Kesehatan
(RISKESDAS) 2018, sebanyak 57,6\% Masyarakat Indonesia mengalami masalah
mulut dan gigi, serta 93\% anak Indonesia mengalami karies gigi dan 87\% orang
yang memiliki penyakit mulut dan gigi tidak berobat ke dokter, mereka berusaha 
untuk mengobatinya secara mandiri. Berdasarkan data tersebut kesadaran akan 
Kesehatan gigi dan mulut masih tergolong rendah karena kurangnya sosialisasi dan
pengetahuan tentang penyakit mulut dan gigi. 
Padahal apabila dibiarkan penyakit pada gigi dan mulut akan dapat
menyebabkan penyakit berbahaya lainnya. teknologi komputasi telah mengalami
perkembangan salah satunya pengolahan citra menggunakan algoritma Machine
learning dan deep learning. Pada penelitian ini akan dilakukan klasifikasi penyakit
gigi dan mulut berdasarkan citra gigi dan mulut  menggunakan algoritma hybrid
CNN dan KNN. Algoritme CNN digunakan untuk proses ekstraksi fiturnya
sedangkan proses klasifikasinya menggunakan algoritma KNN. Untuk mengatasi
kelemahan KNN dalam penentuan nilai k yang masih adaptif, maka dilakukan
optimasi dengan algoritme Particle Swarm optimization (PSO). Berdasarkan
pengujian yang dilakukan algoritma PSO-KNN menghasilkan akurasi yang baik
dibandingkan dengan algoritma CNN saja, dengan rata-rata akurasi sebesar
91.59\%.}
}