Studi ini menyajikan analisis bibliometrik mengenai penggunaan pembelajaran mesin (Machine learning/ML) dalam penelitian karies gigi di Asia Tenggara, dengan fokus pada tren penelitian yang muncul, kolaborasi, dan kontribusi utama. Analisis ini mencakup artikel yang telah terpublikasi dan terindeks dalam database Scopus, dari awal hingga Juli 2024. Penulis menggunakan tools seperti VOSviewer dan Bibliometrix untuk mengidentifikasi jejaring penulisan bersama, menganalisis ko-ocurrence kata kunci, serta memvisualisasikan pola sitasi.
Dataset terdiri dari 246 artikel, dengan kontributor utama (59 publikasi) dari Malaysia, diikuti oleh Indonesia (37) dan Thailand (29). Malaysia juga menunjukkan tingkat kolaborasi internasional yang tinggi, terbukti dengan rasio Multiple Country Publications (MCP) sebesar 0,407. Di antara institusi teratas yang berkontribusi dalam bidang penelitian ini, Universiti Sains Malaysia teratas dengan 39 publikasi, diikuti oleh Chiang Mai University (36) dan National University of Singapore (30). Analisis ini mengidentifikasi enam klaster kolaboratif yang melibatkan 1.220 penulis, menunjukkan jaringan peneliti yang kuat yang berfokus pada karies gigi dan penerapan ML di kawasan Asia Tenggara.
Machine learning (ML) telah diterapkan dalam deteksi dini dan prediksi risiko karies gigi melalui berbagai algoritme, seperti Artificial Neural Networks (ANN), Convolutional Neural Networks (CNN), dan Support Vector Machines (SVM). Algoritme ini menunjukkan potensi dalam memproses data multimodal, termasuk faktor demografi, genetik, dan mikroba, sehingga meningkatkan hasil diagnosis dan pengobatan. Studi ini menekankan kemajuan pesat teknologi ML dalam meningkatkan hasil kesehatan mulut, terutama di kalangan anak-anak.
Fokus penelitian ini menggunakan analisis kata kunci 渉uman, 渄ental caries, 渁rticle, 渃hild, dan 渁rtificial intelligence sebagai istilah yang akan dicari. Tren ini menunjukkan fokus pada studi yang berpusat pada manusia, terutama yang menargetkan populasi anak-anak, dan minat yang meningkat pada kecerdasan buatan sebagai alat utama dalam deteksi dan manajemen karies. Analisis ko-sitasi lebih lanjut mengidentifikasi karya yang banyak dirujuk, menunjukkan bahwa studi dasar dari jurnal seperti The Lancet tetap berpengaruh dalam menentukan arah penelitian di bidang ini.
Analisis bibliometrik ini memberikan pemahaman mengenai perkembangan aplikasi ML dalam menganalisis karies gigi di Asia Tenggara, menyoroti kontributor penelitian utama dan jaringan kolaboratif. Temuan ini menunjukkan potensi alat ML dalam mengatasi masalah kesehatan masyarakat ini dan menyarankan bahwa integrasi berkelanjutan dari data multimodal dan algoritma terkini dapat meningkatkan ketepatan diagnostik serta perawatan preventif.
Meskipun presentasi data ini menunjukkan minat dan inovasi yang berkembang, studi ini tetap memiliki adanya keterbatasan karena bergantung pada Scopus, yang mungkin mengecualikan artikel relevan dari database lain. Selain itu, karena analisis bibliometrik terutama bersifat kuantitatif, analisis ini tidak mengevaluasi kualitas metode penelitian dan hasilnya. Terlepas dari keterbatasan ini, studi ini menunjukkan bahwa penggunaan ML menawarkan suatu proses yang menjanjikan untuk memajukan manajemen kesehatan gigi, terutama di Asia Tenggara, di mana beban karies gigi sangat tinggi.
Sebagai kesimpulan, penelitian ini memberikan pemahaman yang komprehensif tentang kondisi saat ini dan arah masa depan ML dalam penelitian karies gigi. Penulis mendorong upaya berkelanjutan untuk memperkuat kolaborasi internasional, menerapkan ML pada berbagai sumber data, dan menangani kebutuhan kesehatan masyarakat khusus di Asia Tenggara.
Penulis: Prof. Dr. Hendrik Setia Budi, drg., M.Kes.
Link:
Baca juga: Keunggulan Resin Komposit dan Polimerisasi Soft-Start pada Karies Gigi
