Penyidik forensik mengandalkan usia dan jenis kelamin sebagai pengidentifikasi utama alam profil biologis. Estimasi usia yang akurat dan prediksi jenis kelamin sangat penting tidak hanya untuk investigasi forensik tetapi juga untuk identifikasi korban bencana, penelitian arkeologi, dan aplikasi klinis. Parameter ini harus memberikan dasar untuk merekonstruksi profil biologis dan memastikan identifikasi yang andal dalam berbagai konteks seperti ketika rahang bawah ditemukan. Rahang bawah, sebagai salah satu tulang terkuat dan paling tahan banting dalam tubuh manusia, menyimpan penanda anatomi penting dan memainkan peran penting dalam identifikasi korban bencana. Fitur anatomi rahang bawah yang berbeda, seperti struktur arkade gigi, sudut rahang, dan ada atau tidaknya gigi, dapat menghasilkan data penting tentang usia, jenis kelamin, leluhur, dan identitas pribadi seseorang. Penyidik menerapkan fitur-fitur ini untuk membantu profil biologis dan menetapkan identitas individu yang meninggal.
Sebuah penelitian sebelumnya mengevaluasi parameter mandibula menggunakan ortopantomografi digital pada populasi India dan melaporkan bahwa lebar bigonial paling efektif untuk estimasi usia, sementara sudut antegonial, parameter sudut mandibula, adalah yang paling dapat diandalkan untuk penentuan jenis kelamin.
Studi ini bertujuan untuk menyempurnakan alur prediksi demografis berbasis AI untuk pencitraan sefalometrik dengan mengatasi ketidakseimbangan dataset dan keterbatasan metode konvensional, suatu pendekatan yang masih minim dieksplorasi dalam odontologi forensik.
Dalam penelitian ini pada analisis kinerja prediksi jenis kelamin menyoroti tantangan ketidakseimbangan kelas yang terus-menerus, khususnya dalam prediksi jenis kelamin laki-laki, meskipun akurasi keseluruhan yang kuat dicapai oleh arsitektur pembelajaran mendalam. Ketidakseimbangan ini konsisten dengan literatur sebelumnya, di mana fitur perempuan seringkali lebih konsisten terwakili dalam dataset, yang menyebabkan hasil pembelajaran yang bias.
Franco et al 2019, menunjukkan bahwa pendekatan pembelajaran transfer mengungguli model yang dilatih dari awal dalam klasifikasi radiografi gigi, menggarisbawahi pentingnya arsitektur pra-terlatih, seperti VGG16 dan VGG19, dalam menangkap perbedaan morfologis yang halus. Temuan ini menekankan bahwa meskipun akurasi tinggi dapat dicapai, kinerja yang adil di seluruh jenis kelamin tetap menjadi prioritas metodologis dalam odontologi forensik.
Dalam praktik forensik, hasil ini menekankan kerangka kerja CNN multi-tugas yang berfokus pada mandibula sebagai alat praktis untuk identifikasi postmortem dan penilaian korban bencana. Dengan mengintegrasikan teknik penyeimbangan dan normalisasi data, pendekatan yang diusulkan meningkatkan interpretasi, reproduksibilitas, dan skalabilitas, membuka jalan bagi aplikasi AI yang lebih luas dalam odontologi forensik dan estimasi demografis.
Simpulan menunjukkan bahwa bagian rahang bawah yang dipotong, khususnya panjang dan sudut rahang bawah, merupakan indikator anatomi yang andal untuk prediksi demografi dalam konteks forensik. Integrasi model CNN yang kuat dengan analisis citra rahang bawah menyediakan jalur yang terukur untuk identifikasi forensik otomatis, terutama dalam skenario bencana dan lingkungan dengan sumber daya terbatas.
Penulis: Prof. Dr. Ahmad Yudianto, dr., Sp.F(K)., M.Kes., SH.
Informasi lebih detail dari riset ini dapat dilihat pada tulisan kami di:
DOI: 10.2196/84984
Vitria Wuri Handayani; Mieke Sylvia Margaretha Amiatun Ruth; Riries Rulaningtyas; Arofi Kurniawan; Bayu Azra Yudhantoro; Ahmad Yudianto. Deep Learning for Age Estimation and Sex Prediction Using Mandibular-Cropped Cephalometric Images: Comparative Model Development and Validation Study. JMIR AI 2026 | vol. 5 | e84984,pp 1-14
