Badan Nasional Penanggulangan Bencana (BNPB) mencatat 3.383 kejadian bencana sepanjang tahun 2022 melanda Indonesia sampai dengan 16 Desember 2022. Tsunami tahun 2004 di Aceh adalah salah satu bencana yang memakan korban meninggal terbanyak, yaitu sebanyak 165.708 orang dan banyak diantaranya sudah tidak dapat diidentifikasi. Prosedur penanganan korban bencana massal di Indonesia bagi korban yang tidak dapat diidentifikasi pada beberapa hari pertama adalah, dengan melakukan identifikasi sederhana secara visual, pengecekkan barang, perhiasan yang dipakai, kartu identitas dan pengecekkan sim card telepon. Setelah beberapa hari, bila tidak dapat didentifikasi lagi, korban akan langsung dikuburkan secara massal untuk menghindari pembusukkan. Besarnya jumlah korban tersebut menuntut ilmu forensik untuk melakukan identifikasi korban secara cepat, massal dan akurat, hal ini dikarenakan untuk alasan kemanusiaan dan emosional keluarga terdekat, dan untuk tujuan hukum dan administrasi. Penentuan jenis kelamin (gender) merupakan aspek penting dari masyarakat proses identifikasi bencana. Penerapan radiografi teknik untuk tujuan penentuan gender yaitu dengan menganalisis fitur gigi, tulang belakang, dan tengkorak, dapat dipertimbangkan metodologi yang sesuai. Salah satu strategi yang bisa diterapkan bidang radiologi adalah pemanfaatan sefalometri lateral.
Penggunaan gambar sefalometri dalam radiologi gigi diakui secara luas sebagai teknik yang dapat diandalkan untuk menentukan jenis kelamin seseorang. Grup Geometri Visual 16 (VGG16) dan Algoritma Visual Geometry Group 19 (VGG19) telah terbukti efektif dalam klasifikasi gambar.
Foto sefalometri diperoleh dari medis pasien catatan di Rumah Sakit Gigi Universitas Airlangga di Surabaya. Dewan etika subyek manusia 316/HERCC.FODM/III/2023 di Rumah Sakit Gigi Universitas Airlangga memberikan persetujuan untuk penyelidikan ini. Penelitian ini digunakan dua algoritma. Model awal adalah VGG16, diikuti oleh model berikutnya, VGG19. Setelah itu, sampelnya akan dibagi menjadi tiga subset: 80% dari foto sefalometri akan ditugaskan untuk pelatihan, 10% akan disisihkan untuk tes validasi, dan 10% sisanya akan digunakan untuk pengujian. Python digunakan untuk melatih, membangun, dan menganalisis sefalometri algoritma yang menggunakan VGG16 dan VGG19.
Kemajuan besar telah dicapai pada masa lalu dekade penerapan AI, terutama CNN, dalam domain kedokteran gigi, khususnya di bidang odontologi forensik. Kemajuan dalam CNN telah terlihat di berbagai bidang gigi dan mulut bidang maksilofasial, dengan ketentuan bahwa CNN bisa efektif digunakan untuk mendeteksi gigi menggunakan 100 gigi panoramik gambar dengan akurasi lebih dari 90%. Matsuda dkk. menilai kemanjuran penggunaan teknologi CNN pada Periapikal Indeks (PI) berdasarkan orto-pantomografi. Mereka memvalidasi akurasi identifikasi enam desain CNN yang berbeda. Lebih lanjut, temuan menunjukkan bahwa VGG16 terbukti arsitektur CNN paling efektif untuk penggunaan analisis PI ortopantomografi. Selain itu, pemanfaatan VGG16 hasil pra-pelatihan dan penyempurnaan pada kumpulan data ImageNet tingkat akurasi 100% untuk identifikasi.
Model VGG16 dan VGG19 memiliki kemampuan yang presisi mengidentifikasi gender dengan menganalisis foto sefalometri. Meski demikian, model sefalometri yang memanfaatkan VGG19 arsitektur di CNN menunjukkan akurasi yang unggul dibandingkan dengan arsitektur VGG16. Kesenjangan antara sampel perempuan dan laki-laki mengakibatkan penurunan kinerja dari model ini. Akhirnya, kami merekomendasikan upaya penelitian di masa depan fokus pada peningkatan kepraktisan dan ketepatan model yang diusulkan, misalnya dengan menyempurnakannya untuk menghasilkan data yang lebih baik keseimbangan.
Penulis : Prof. Dr. Ahmad Yudianto,dr.SpF.M.Subsp.S.B.M[K].,SH.,M.Kes
Informasi detail dari riset ini dapat dilihat pada tulisan kami di
https://medicaljournalssweden.se/actaodontologica/article/view/40476
Vitria Wuri Handayania, Ahmad Yudiantoc, Mieke Sylvia M.A.R, Riries Rulaningtyas, Muhammad Ra’syad Caesarardhih ; Classification of Indonesian adult forensic gender using cephalometric radiography with VGG16 and VGG19: a Preliminary research,
ACTA ODONTOLOGICA SCANDINAVICA 2024, VOL. 83, 308–316
