Penyakit gigi dan mulut merupakan permasalahan kesehatan yang
memerlukan deteksi dini untuk mencegah komplikasi lebih lanjut. Diagnosis
berbasis citra secara manual masih berpotensi menimbulkan subjektivitas dan
kesalahan interpretasi. Oleh karena itu, penelitian ini bertujuan untuk merancang
dan mengembangkan model deep learning yang mampu melakukan klasifikasi citra
penyakit gigi dan mulut secara akurat dan konsisten melalui pendekatan hybrid
EfficientNet–Vision Transformer.
Penelitian ini menggunakan model hybrid yang mengombinasikan
EfficientNet sebagai ekstraktor fitur lokal dan Vision Transformer sebagai pemodel
konteks global. Dataset terdiri dari enam kelas penyakit gigi dan mulut dengan
masing-masing kelas 1.800 citra. Proses pelatihan dilakukan menggunakan
optimizer Adam, learning rate 0,0001, early stopping, serta teknik data
augmentation CutMix. Model EfficientNet-B3 dan Vision Transformer tunggal
digunakan sebagai pembanding. Model terbaik diimplementasikan ke dalam
aplikasi berbasis Streamlit untuk inferensi real-time.
Hasil evaluasi menunjukkan bahwa model hybrid mencapai akurasi sebesar
93,69% dengan performa yang stabil dan seimbang pada seluruh kelas penyakit,
sehingga dipilih sebagai model terbaik dibandingkan model tunggal.
Penelitian ini menunjukkan bahwa pendekatan hybrid EfficientNet–
Transformer efektif untuk klasifikasi citra penyakit gigi dan mulut dan berpotensi
digunakan sebagai sistem pendukung diagnosis. Namun, keterbatasan penelitian ini
terletak pada jumlah dataset yang terbatas dan distribusi kelas yang tidak seimbang.