{
      "type": "thesis",
      "status_changed": "2026-09-08 03:15:11",
      "metadata_visibility": "show",
      "userid": 12,
      "thesis_name": "tesis",
      "eprintid": 32610,
      "dir": "disk0\/00\/03\/26\/10",
      "contributors": [
        {
          "name": {
            "family": "Utami",
            "lineage": null,
            "given": "Ema",
            "honourific": null
          }
        }
      ],
      "divisions": [
        "PJJ"
      ],
      "lastmod": "2026-09-08 03:15:11",
      "full_text_status": "public",
      "abstract": "Gigi dan mulut merupakan salah organ tubuh yang sangat penting bagi \r\nmanusia. Mulut merupakan gerbang masuk seluruh makanan yang dibutuhkan\r\ntubuh dan gigi merupakan alat mengunyah agar proses pencernaan makanan dalam\r\nperut berjalan baik. Mulut dan gigi yang tidak sehat akan menimbulkan dampak\r\nnegatif dan mengganggu kegiatan sehari hari. Menurut Hasil Riset Dasar Kesehatan\r\n(RISKESDAS) 2018, sebanyak 57,6% Masyarakat Indonesia mengalami masalah\r\nmulut dan gigi, serta 93% anak Indonesia mengalami karies gigi dan 87% orang\r\nyang memiliki penyakit mulut dan gigi tidak berobat ke dokter, mereka berusaha \r\nuntuk mengobatinya secara mandiri. Berdasarkan data tersebut kesadaran akan \r\nKesehatan gigi dan mulut masih tergolong rendah karena kurangnya sosialisasi dan\r\npengetahuan tentang penyakit mulut dan gigi. \r\nPadahal apabila dibiarkan penyakit pada gigi dan mulut akan dapat\r\nmenyebabkan penyakit berbahaya lainnya. teknologi komputasi telah mengalami\r\nperkembangan salah satunya pengolahan citra menggunakan algoritma Machine\r\nlearning dan deep learning. Pada penelitian ini akan dilakukan klasifikasi penyakit\r\ngigi dan mulut berdasarkan citra gigi dan mulut  menggunakan algoritma hybrid\r\nCNN dan KNN. Algoritme CNN digunakan untuk proses ekstraksi fiturnya\r\nsedangkan proses klasifikasinya menggunakan algoritma KNN. Untuk mengatasi\r\nkelemahan KNN dalam penentuan nilai k yang masih adaptif, maka dilakukan\r\noptimasi dengan algoritme Particle Swarm optimization (PSO). Berdasarkan\r\npengujian yang dilakukan algoritma PSO-KNN menghasilkan akurasi yang baik\r\ndibandingkan dengan algoritma CNN saja, dengan rata-rata akurasi sebesar\r\n91.59%.",
      "institution": "Universitas AMIKOM Yogyakarta",
      "datestamp": "2026-09-08 03:15:11",
      "title": "OPTIMASI K-NEAREST NEIGHBOR (K-NN) MENGGUNAKAN\r\nALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK\r\nMENGIDENTIFIKASI PENYAKI GIGI DAN MULUT",
      "thesis_type": "masters",
      "creators": [
        {
          "name": {
            "honourific": null,
            "given": "Dloifur Rohman",
            "lineage": null,
            "family": "Al Ghifari"
          },
          "nim": "21.55.2142"
        }
      ],
      "documents": [
          {
            "language": "id",
            "format": "text",
            "mime_type": "application\/pdf",
            "placement": 1,
            "files": [
                {
                  "filename": "21.55.2142 - Dloifur Rohman Al Ghifari.pdf",
                  "objectid": 325837,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1149944",
                  "mtime": "2026-09-08 03:09:30",
                  "hash": "ab2eb711c4608d5e95257e5f488781ef",
                  "fileid": 1149944,
                  "filesize": 4051864,
                  "hash_type": "MD5",
                  "datasetid": "document",
                  "mime_type": "application\/pdf"
                }
            ],
            "security": "public",
            "formatdesc": "THESIS",
            "rev_number": 2,
            "content": "published",
            "pos": 1,
            "main": "21.55.2142 - Dloifur Rohman Al Ghifari.pdf",
            "docid": 325837,
            "eprintid": 32610,
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/325837"
          }
      ],
      "subjects": [
        "000.000.000A",
        "600.610.610A"
      ],
      "keywords": "Klasifikasi, penyakit Gigi dan Mulut, CNN, KNN, PSO, Classification, Dental and Oral Diseases.",
      "date": "2025-08-06",
      "ispublished": "pub",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/32610",
      "eprint_status": "archive",
      "date_type": "published",
      "rev_number": 8,
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "department": "PJJ Magister Informatika"
    }