DETAIL KOLEKSI

Tingkat keakuratan kecerdasan buatan (cnn) menggunakan radiografi sefalometri pada bidang ortodonti: Scoping review


Oleh : Firza Liana

Info Katalog

Nomor Panggil : 617.643 FIR t

Penerbit : FKG - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2024

Pembimbing 1 : Fajar Hamonangan Nasution

Pembimbing 2 : Harris Gadih Pratomo

Subyek : Orthodontics;Malocclusion

Kata Kunci : artificial Intelligence (AI), convolutional neural network (CNN), orthodontics, cephalometrics, accu

Status Posting : Published

Status : Lengkap


File Repositori
No. Nama File Hal. Link
1. 2024_TA_SKG_040002000148_Halaman-Judul.pdf 12
2. 2024_TA_SKG_040002000148_Lembar-Pengesahan.pdf 3
3. 2024_TA_SKG_040002000148_Bab-1_Pendahuluan.pdf 4
4. 2024_TA_SKG_040002000148_Bab-2_Tinjauan-Pustaka.pdf 23
5. 2024_TA_SKG_040002000148_Bab-3_Kerangka-Teori.pdf 2
6. 2024_TA_SKG_040002000148_Bab-4_Metode-Penelitian.pdf 4
7. 2024_TA_SKG_040002000148_Bab-5_Hasil-Penelitian.pdf 5
8. 2024_TA_SKG_040002000148_Bab-6_Pembahasan.pdf 6
9. 2024_TA_SKG_040002000148_Bab-7_Kesimpulan-dan-Saran.pdf 1
10. 2024_TA_SKG_040002000148_Daftar-Pustaka.pdf 10
11. 2024_TA_SKG_040002000148_Lampiran.pdf 5

L Latar Belakang: Kecerdasan buatan merupakan teknologi perangkat lunak yangdapat meniru kecerdasan manusia dengan mengumpulkan data-data, kemampuanbernalar, dan mengubahnya menjadi suatu tindakan yang cerdas. Konsep utamakecerdasan buatan terdiri dari machine learning dan deep learning. Deep learningmerupakan bagian dari kecerdasan buatan yang memiliki algoritma berupaConvolutional Neural Network (CNN) dengan kemampuan untuk memproses danmempelajari berbagai aspek gambar. Tujuan: Untuk membahas dan menyajikanberbagai data yang diperoleh dari berbagai jurnal mengenai tingkat akurasipenerapan algoritma kecerdasan buatan (CNN) dengan menggunakan radiografisefalometri pada bidang ortodonti. Metode: Penelitian ini dilakukan denganmenggunakan metode observasional deksriptif melalui scoping review denganpengambilan data menggunakan database PubMed dan Google Scholar. Metodetelusur pustaka yang digunakan yaitu PCC (population concept context) dan sesuaidengan pedoman PRISMA. Hasil: Diperoleh 8 jurnal yang sesuai dengan kriteriainklusi dan dimasukkan ke dalam tabel ekstraksi. Masing-masing jurnal membahasmengenai tingkat akurasi penerapan kecerdasan buatan dengan menggunakanalgoritma Convolutional Neural Network (CNN) dan sampel penelitian beruparadiografi sefalometri pada bidang ortodonti. Kesimpulan: Penerapan kecerdasanbuatan dengan menggunakan algoritma CNN memiliki akurasi yang cukup tinggihingga mencapai lebih dari 90% dalam mendeteksi titik baku sefalometri,penentuan tahap maturasi vertebra servikal, dan memprediksi kebutuhan bedahortognatik, sehingga memiliki berbagai manfaat yaitu, dapat membantu kinerjaoperator, meminimalkan waktu analisis, meningkatkan keakuratan dalammendiagnostik.

B Background: Artificial Intelligence (AI) is a software technology that can imitatehuman intelligence by collecting data, reasoning, and then transform it intointelligent actions. The main concepts of artificial intelligence consist of machinelearning and deep learning. Deep learning is a part of artificial intelligence that hasan algorithm in the form of Convolutional Neural Network (CNN) with the abilityto process and learn various aspects of images. Objective: To discuss and presentvarious data obtained from various journals regarding the accuracy level ofapplying artificial intelligence algorithms (CNN) using cephalometric radiographsin orthodontics. Methods: This study was conducted using a descriptiveobservational method through a scoping review with data collection using thePubMed and Google Scholar databases. The literature search method used is PCC(population concept context) and in accordance with PRISMA guidelines. Results:Obtained 8 journals that fit the inclusion criteria and entered into the extractiontable. Each journal discusses the accuracy of the application of artificial intelligenceusing the Convolutional Neural Network (CNN) algorithm and research samples inthe form of cephalometric radiographs in orthodontics. Conclusion: Theapplication of artificial intelligence using the CNN algorithm has a high enoughaccuracy to reach more than 90% in detecting cephalometric landmarks,determining the stage of the cervical vertebrae maturation, and predicting the needfor orthognathic surgery, so it has various benefits, such as, can help operatorperformance, minimize analysis time, increase accuracy in diagnosing.

Bagaimana Anda menilai Koleksi ini ?