Tifanny Elisabeth Toy Pengarang ADRIANA FANGGIDAE Dosen Pembimbing 1 Clarissa Elfira Amos Pah,S.Kom., M.T.I Dosen Pembimbing 1 Adriana Fanggidae Ketua Penguji Arfan Yeheskiel Mauko Penguji 2 Clarissa Elfira Amos Pah Penguji 1

Penyakit periodontal merupakan masalah kesehatan gigi yang dapat merusak jaringan pendukung gigi. Diagnosis secara klinis sering kali bersifat subjektif, sehingga dibutuhkan sistem otomatis berbasis citra. Penelitian ini bertujuan membangun sistem deteksi penyakit periodontal menggunakan metode ekstraksi fitur tekstur Gray Level Co-Occurrence Matrix (GLCM) dan klasifikasi K-Nearest Neighbors (K-NN). Proses mencakup konversi citra ke grayscale, pengambilan nilai komponen Value dari HSV, serta ekstraksi tujuh fitur tekstur GLCM pada empat orientasi sudut (0°, 45°, 90°, dan 135°) dengan jarak piksel = 1. Sebanyak 450 citra diklasifikasikan ke dalam dua kelas, yaitu periodontal dan non periodontal, lalu diuji menggunakan variasi nilai K = 3, 5, 7, dan 9 dengan metode 10-fold cross-validation. Hasil terbaik diperoleh pada nilai K = 9 dan sudut 90° setelah dilakukan contrast stretching dengan akurasi mencapai 95,87%. Penelitian ini membuktikan bahwa metode GLCM, nilai grayscale, komponen Value, dan K-NN dengan contrast stretching efektif mendeteksi penyakit periodontal secara otomatis dengan akurasi tinggi.