Implementasi Artificial Intelligence Dalam Membantu Pembuatan Keputusan Ekstraksi Gigi Pada Perawatan Ortodonti

Andrew, Muhamad Farel (2026) Implementasi Artificial Intelligence Dalam Membantu Pembuatan Keputusan Ekstraksi Gigi Pada Perawatan Ortodonti. S1 thesis, Universitas Andalas.

	Text (cover+abstrak) cover+abstrak.pdf - Published Version Download (636kB)
	Text (Bab 1 Pendahluan) bab 1 pendahluan.pdf - Published Version Download (567kB)
	Text (Bab 5 Penutup) bab 5 penutup.pdf - Published Version Download (554kB)
	Text (Daftar Pustaka) daftar pustaka.pdf - Published Version Download (579kB)
	Text (Skripsi Full Text) skripsi full text.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Latar Belakang: Keputusan mengenai ekstraksi gigi dalam perawatan ortodonti bersifat kompleks karena dipengaruhi oleh berbagai faktor klinis, skeletal, dental, dan jaringan lunak. Perbedaan pengalaman klinis dan filosofi perawatan antarortodontis dapat menimbulkan variasi dalam pengambilan keputusan, terutama pada kasus borderline. Artificial intelligence (AI) berpotensi meningkatkan objektivitas dan konsistensi dalam proses pengambilan keputusan tersebut. Tujuan: Mengetahui implementasi AI dalam membantu pembuatan keputusan ekstraksi gigi pada perawatan ortodonti. Metode: Penelitian ini merupakan penelitian literature review dengan pendekatan naratif. Pencarian literatur dilakukan melalui PubMed, ScienceDirect, dan Scopus menggunakan kata kunci yang berkaitan dengan AI, machine learning, deep learning, perawatan ortodonti, dan ekstraksi gigi. Artikel diseleksi berdasarkan kriteria inklusi dan eksklusi yang telah ditetapkan. Dari 450 artikel yang teridentifikasi, diperoleh 11 artikel penelitian asli untuk dianalisis dan disintesis. Hasil: Implementasi AI berkembang melalui tiga pendekatan, yaitu model berbasis data terstruktur, berbasis citra, dan multimodal. Model Machine learning, seperti Random Forest, Support Vector Machine, dan Decision Tree, menunjukkan kinerja kompetitif pada data klinis terstruktur. Deep learning efektif dalam mengekstraksi fitur dari citra dental. Pendekatan multimodal yang menggabungkan intraoral scan dan Lateral Cephalometric Radiography cenderung memberikan performa lebih baik dibandingkan pendekatan modalitas tunggal. Crowding dan arch length discrepancy merupakan prediktor yang paling konsisten, diikuti variabel skeletal, posisi insisivus, serta profil jaringan lunak. Kesimpulan: AI berpotensi digunakan sebagai sistem pendukung keputusan klinis dalam menentukan ekstraksi atau non�ekstraksi, namun AI harus digunakan untuk melengkapi dan bukan menggantikan penilaian komprehensif ortodontis.

Actions (login required)

View Item