Ide Judul Skripsi: Deteksi Dini Penyakit Gigi dengan Algoritma Machine Learning Tepat

merlindawibowo.com – Penyakit gigi adalah kondisi medis yang memengaruhi kesehatan gigi dan struktur pendukungnya, seperti gusi dan tulang rahang. Penyakit gigi dapat meliputi berbagai kondisi, termasuk karies gigi (lubang gigi), penyakit periodontal (penyakit gusi), abses gigi, gangguan gigi dan gusi yang disebabkan oleh infeksi bakteri, serta masalah lainnya yang memengaruhi kesehatan gigi dan mulut.

Karies gigi adalah salah satu jenis penyakit gigi yang paling umum, terjadi ketika bakteri dalam plak gigi merusak lapisan luar gigi (email) dan menyebabkan kerusakan. Penyakit periodontal terjadi ketika plak gigi tidak dihilangkan dengan baik dan menyebabkan peradangan pada gusi, yang dapat berkembang menjadi gingivitis (peradangan gusi) dan periodontitis (penyakit gusi yang lebih serius). Infeksi pada akar gigi, atau abses gigi, terjadi ketika bakteri masuk ke dalam akar gigi dan menyebabkan peradangan atau pembengkakan.

Masalah gigi dan penyakit gigi lainnya dapat menyebabkan rasa sakit, ketidaknyamanan, dan gangguan dalam makan dan berbicara. Penyakit gigi yang tidak diobati dengan baik juga dapat berdampak pada kesehatan umum, termasuk risiko penyakit jantung, diabetes, dan komplikasi lainnya.

Pencegahan penyakit gigi meliputi kebiasaan baik dalam menjaga kebersihan gigi, seperti menyikat gigi dua kali sehari, menggunakan benang gigi, dan mengunjungi dokter gigi secara teratur untuk pemeriksaan dan pembersihan gigi. Perawatan gigi yang tepat waktu dan konsisten penting untuk mencegah dan mengelola penyakit gigi.

Bersamaan dengan berjalannya waktu, prevalensi penyakit mulut dan gigi di Indonesia terus meningkat, dipengaruhi oleh berbagai faktor dan aspek. Salah satu penyebabnya adalah kurangnya akses untuk pemeriksaan, pencegahan, dan pengobatan di berbagai wilayah Indonesia. Menurut data Global Burden of Disease, hampir 3.5 milyar orang di seluruh dunia terpengaruh oleh penyakit gigi pada tahun 2019. Oral Health Country Profile untuk Indonesia oleh World Health Organization memperkirakan bahwa prevalensi karies gigi permanen yang tidak ditangani pada orang berusia 5+ tahun mencapai 28.8%, sementara prevalensi penyakit periodontitis parah pada orang berusia 15+ tahun mencapai 19.6%. Tingginya prevalensi penyakit gigi menunjukkan kurangnya akses perawatan gigi di Indonesia.

Pada tahun 2018, survei oleh Riset Kesehatan Dasar (Riskesdas) menemukan bahwa penyakit gigi dan mulut merupakan kendala kesehatan terbesar di Indonesia, dengan hanya 10.2% yang mendapat pelayanan kesehatan. Distribusi praktisi gigi di Indonesia juga tidak merata, yang dapat memperburuk akses perawatan gigi. Penyakit gigi yang tidak ditangani dengan baik dapat menyebabkan kerusakan gigi yang lebih parah, infeksi pada akar gigi, penyakit kardiovaskular, kerusakan gusi, dan kerusakan tulang rahang.

Selain dampak kesehatan, penyakit gigi juga berdampak ekonomi. Penelitian menemukan bahwa dampak ekonomi dari penyakit gigi mencapai $544,41 miliar, dengan sebagian besar disebabkan oleh biaya perawatan langsung dan hilangnya produktivitas. Kerugian waktu juga terjadi karena harus menangani masalah gigi, mengakibatkan hilangnya waktu kerja.

Untuk mengatasi masalah tersebut, terutama kurangnya praktisi gigi, diperlukan solusi teknologi yang dapat membantu mengidentifikasi penyakit gigi dan meningkatkan kesadaran masyarakat. Salah satu solusinya adalah menggunakan Machine Learning untuk deteksi dan pemeriksaan gigi secara dini. Tantangan utama dalam deteksi adalah variasi kasus gigi dan kondisi citra yang berbeda.

Penyakit Gigi

Penyakit gigi dapat bermacam-macam, termasuk:

Karies gigi: Merupakan kerusakan pada gigi yang disebabkan oleh asam yang dihasilkan oleh bakteri dalam plak. Karies gigi bisa menyebabkan lubang atau kerusakan pada email gigi.

Penyakit periodontal: Merupakan infeksi pada jaringan di sekitar gigi, termasuk gusi, tulang yang menopang gigi, dan ligamen periodontal. Penyakit periodontal dapat berupa gingivitis (peradangan pada gusi) atau periodontitis (peradangan yang lebih dalam dan serius).

Abses gigi: Merupakan infeksi bakteri yang mengumpul di dalam atau di sekitar gigi. Abses gigi biasanya menyebabkan nyeri hebat, pembengkakan, dan mungkin terasa sakit ketika mengunyah.

Penyakit gusi: Merupakan kondisi di mana gusi menjadi meradang atau terinfeksi. Ini dapat disebabkan oleh plak bakteri yang menumpuk di sekitar gigi dan garis gusi.

Gigi sensitif: Merupakan kondisi di mana gigi merespons terhadap rangsangan eksternal seperti makanan panas atau dingin, udara dingin, atau tekanan pada gigi.

Erosi gigi: Merupakan hilangnya lapisan email gigi karena paparan asam, baik dari makanan dan minuman asam atau dari kondisi medis tertentu.

Gigi retak: Merupakan retakan atau pecah pada gigi, yang bisa disebabkan oleh trauma, mengunyah makanan yang keras, atau perawatan gigi yang tidak tepat.

Maloklusi: Merupakan ketidaksempurnaan atau ketidakcocokan antara gigi atas dan gigi bawah saat mereka bertemu, yang dapat menyebabkan masalah seperti kesulitan mengunyah, sakit kepala, atau masalah dalam bicara.

Itu hanya beberapa contoh penyakit gigi yang umum. Penting untuk merawat gigi dengan baik dan mengunjungi dokter gigi secara teratur untuk pemeriksaan dan perawatan yang tepat.

Algoritma Machine Learning yang Tepat

Penelitian pertama, berjudul “Aplikasi Deep Learning dalam Deteksi Karies Gigi Menggunakan Foto Intraoral yang Diambil oleh Smartphone”, dilakukan oleh Mai Thi Giang Thanh dan rekan pada tahun 2022. Penelitian tersebut bertujuan untuk menerapkan deep learning dalam mendiagnosis karies gigi melalui gambar yang diambil menggunakan smartphone. Empat model yang diujikan adalah Faster R-CNN, YOLOv3, RetinaNet, dan Single-Shot Multi-Box Detector (SSD). Mereka menggunakan data berupa 1.902 foto gigi yang diambil dengan iPhone 7 dari 695 individu yang kemudian dilabeli. Hasilnya menunjukkan bahwa YOLOv3 dan Faster R-CNN memiliki sensitivitas tertinggi, masing-masing sebesar 87,4% dan 71,4%.

Penelitian kedua, berjudul “Deteksi Otomatis Gigi yang Terpengaruh oleh Penyakit Periodontal dalam Radiografi Panoramik Digital Menggunakan Faster Regional Convolutional Neural Networks”, dilakukan oleh Bhornsawan Thanathornwong dan rekan pada tahun 2020. Penelitian tersebut bertujuan untuk menggunakan metode pendeteksian objek berbasis deep learning untuk mengidentifikasi gigi yang terdampak oleh penyakit periodontal pada citra radiografi panoramik digital. Mereka menggunakan algoritma Faster Regional Convolutional Neural Network (Faster R-CNN) dengan data berupa 100 gambar radiografi panoramik digital anonim. Model tersebut menghasilkan presisi rata-rata 0,81, sensitivitas 0,84, spesifisitas 0,88, dan F-measure 0,81.

Penelitian ketiga, berjudul “Regression Kotak Pembatas dengan Ketidakpastian untuk Deteksi Objek yang Akurat”, dilakukan oleh Yihui He pada tahun 2019. Penelitian ini bertujuan untuk mengusulkan loss regression kotak pembatas baru untuk mempelajari transformasi bounding box dan varians lokalisasi secara bersamaan. Mereka menggunakan arsitektur VGG-16 Faster R-CNN, ResNet-50 FPN, dan Mask R-CNN dengan data dari dataset MS-COCO dan PASCAL VOC. Hasilnya menunjukkan peningkatan Average Precision (AP) dari model VGG-16 Faster R-CNN dari 23,6% menjadi 29,1% dan peningkatan yang signifikan pada metode Mask R-CNN.

Penelitian keempat, berjudul “Focal dan Efisien IOU Loss for Accurate Bounding Box Regression”, dilakukan oleh Yi-Fan Zhang pada tahun 2022. Penelitian ini bertujuan untuk menganalisis bounding box regression untuk deteksi objek dan menemukan potensi fungsi loss yang belum sepenuhnya dieksploitasi. Mereka menggunakan ResNet-50 sebagai backbone dengan metode Faster R-CNN, Mask R-CNN, RetinaNet, ATSS, PAA, dan DETR dengan data dari dataset COCO 2017 dan dataset sintetik. Hasilnya menunjukkan peningkatan yang signifikan pada loss FocalEIOU dan konsistensi dengan sejumlah model mutakhir.

Penelitian kelima, berjudul “Platform Kesehatan Gigi-IoT Cerdas Berbasis Hardware, Deep Learning, dan Terminal Seluler”, dilakukan oleh Lizheng Liu pada tahun 2020. Penelitian ini bertujuan untuk mengeksplorasi penerapannya dalam perawatan kesehatan gigi di rumah dengan menggunakan deep learning. Mereka menggunakan algoritma MASK R-CNN dengan data dari 12.600 gambar klinik yang diperoleh dari klinik gigi. Model tersebut dikembangkan untuk mendeteksi dan mengklasifikasikan 7 penyakit gigi dengan akurasi diagnosis mencapai hingga 90%.

Penelitian keenam, berjudul “Pendekatan Pembelajaran Mendalam untuk Deteksi dan Penomoran Gigi Otomatis Berdasarkan Deteksi Objek dalam Film Periapikal Gigi”, dilakukan oleh Hu Chen dan rekan pada tahun 2019. Penelitian ini bertujuan untuk membuat model Machine Learning dengan deep learning untuk deteksi dan penomoran gigi otomatis dalam film periapikal gigi. Mereka menggunakan Faster R-CNN dan Dense Neural Network (DNN) dengan data dari 1.250 film periapikal gigi digital. Hasilnya menunjukkan presisi dan recall melebihi 90% dan nilai rata-rata intersection-over-union (IOU) mencapai 91%.

Penelitian ketujuh, berjudul “Klasifikasi Penyakit Kalkulus Menggunakan Pengolahan Citra Digital dengan Metode Jaringan Saraf Tiruan Backpropagation”, dilakukan oleh Adi Nur Rohkhim dan Cahyo Darujati pada tahun 2020. Penelitian ini bertujuan merancang aplikasi untuk memudahkan klasifikasi penyakit kalkulus gigi oleh tenaga medis gigi dengan menggunakan teknologi pengolahan citra digital dan artificial neural networks backpropagation.

Semoga bermanfaat!