Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 5 dokumen yang sesuai dengan query
cover
Isni Puji Lestari
"Latar Belakang: Kemajuan Teknologi dan Komunikasi (TIK) serta peningkatan jumlah internet dan smartphone dimasyarakat berpeluang menciptakan paradigma baru dimana interaksi pasien dengan praktisi klinis tidak terbatas pada kunjungan pada layanan kesehatan. Penggabungan TIK dalam kedokteran gigi menghadirkan suatu solusi yang dapat dimanfaatkan dalam menghadapi era digitalisasi salah satunya adalah teledentistry. Kondisi ini menuntut dokter gigi untuk memiliki literasi teknologi, sehingga perlu diketahui penerimaan teledentistry dengan menggunakan model UTAUT yang mencerminkan minat dokter gigi terhadap penggunaan teledentistry melalui empat faktor determinan yaitu : ekspektansi kinerja, ekspektansi usaha, pengaruh sosial dan kondisi yang memfasilitasi. Keempat faktor ini juga dimoderasi oleh umur, jenis kelamin, pendidikan, wilayah geografis dan pengalaman.
Metode: Studi Cross-Sectional dilakukan pada bulan November 2022 terhadap 491 dokter gigi di Provinsi Aceh yang terdaftar dan berstatus aktif menggunakan metode total sampling. Responden diminta melengkapi kuesioner yang berisi pertanyaan terkait karakteristik sosiodemografi, karaktersitik penggunaan teledentistry dan faktor determinan dari model UTAUT. Analisis statistik menggunakan Mann-Whitney dan Kruskall Wallis dan analisis multivariat menggunakan SEM-PLS untuk memprediksi faktor yang paling berperan terhadap penerimaan teledentistry pada dokter gigi.
Hasil: Model UTAUT terbukti memiliki pengukuran yang valid dan reliabel serta goodness of fit yang baik. Model ini dapat menjelaskn varian minat dokter gigi terhadap penggunaan teledentistry sebesar 54,6% dengan kriteria sedang dan setiap perubahan pada minat mampu diprediksi oleh variabel pengaruh sosial (β = 0,265; p<0,05), kondisi yang memfasilitasi (β = 0,262; p<0,05) dan ekspektansi kinerja (β = 0,225; p<0,05) namun pengaruh yang diberikan masih dalam kategori rendah. Interaksi antara faktor determinan UTAUT dengan faktor moderasi menunjukkan bahwa tidak memiliki efek terhadap hubungan antar faktor determinan dengan minat dokter gigi terhadap penggunaan teledentistry.
Kesimpulan: Model UTAUT mampu memprediksi minat dokter gigi dalam menggunakan teledentistry. Prediksi ini dapat dimanfaatkan untuk meningkatkan sosialisasi dan keterampilan dokter gigi di Aceh dalam menggunakan teledentistry dalam praktik kedokteran gigi sehari-hari.

Background: The development of Information and Communication Technology (ICT) and the increase of internet users and smartphones in the community have created a new paradigm where patient-practitioner interactions are clinically not limited to visits to health services. Integrating ICT in dentistry provides a solution that can be used to address the digital era of teledentistry. This condition requires dentists to be technologically literate. Thus, it is necessary to know the acceptance of teledentistry using the UTAUT model, which reflects dentists' intention to use teledentistry through four determinant factors: performance expectancy, effort expectancy, social influence, and facilitating conditions. These factors are also moderated by age, gender, education, geographical area, and experience.
Methods: A cross-sectional study was conducted in November 2022 on 491 registered and active dentists in Aceh using the total sampling method. Respondents were asked to complete a questionnaire related to sociodemographic characteristics, characteristics of the use of teledentistry, and the determinants of the UTAUT model. Statistical analysis using Mann-Whitney, Kruskall-Wallis, and multivariate analysis using SEM-PLS to predict the factors most contributing to dentists' intention to use teledentistry.
Results: The UTAUT model has valid and reliable measurements and adequate goodness of fit. This model can explain the variance of dentists' behavior intention to use teledentistry by 54.6% with moderate criteria, and any change in interest can be predicted by social influence (β = 0,265; p<0,05), facilitating conditions (β = 0.262; p 0.05), and performance expectancy (β = 0.225; p<0.05). However, they have a low effect size. The interaction between the determinants of UTAUT and the moderating factors shows that it does not affect the relationship between the determinants and dentists' interest in teledentistry.
Conclusion: The UTAUT model can predict dentist interest in using teledentistry. This prediction can improve dentists' socialization and skills in Aceh when using teledentistry in their daily dental practice.
"
Jakarta: Fakultas Kedokteran Gigi Universitas Indonesia, 2023
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Septiviany Kun Prasidhati
"Penelitian ini dilakukan untuk memperoleh informasi mengenai faktor-faktor yang berhubungan dengan pengetahuan, sikap, dan praktik teledentistry pada dokter gigi di DKI Jakarta pada masa pandemi COVID-19. Penelitian potong lintang berbasis kuesioner ini diisi secara mandiri melalui google form. Pertanyaan yang diberikan mencakup faktor sosiodemografi, karakteristik pekerjaan, penggunaan internet, dan pelatihan teledentistry serta pertanyaan mengenai pengetahuan, sikap, dan praktik teledentistry. Sebanyak 183 dokter gigi di DKI Jakarta yang menyelesaikan kuesioner. Secara umum, responden menunjukkan pengetahuan yang tinggi, sikap dan praktik yang positif terhadap teledentistry. Hubungan yang signifikan secara statistik ditemukan antara praktik teledentistry dengan usia, status pernikahan, pengalaman bekerja, dan pengalaman pelatihan teledentistry. Terdapat korelasi positif antara pengetahuan dan sikap (r = 0.436, p-value = 0.000). Agar teledentistry dapat diterapkan secara profesional, dokter gigi harus memiliki pengetahuan, sikap, dan praktik yang baik mengenai teledentistry dan perlunya regulasi yang sesuai untuk pelayanan teledentistry.

The purpose of research is to get information about factors that related to knowledge, attitude, and practice of teledentistry among dentists in DKI Jakarta during the COVID-19 pandemic. This cross-sectional study was using self-administered online questionnaire through google form. The questions consisted of sociodemographic factors, work-related characteristics, daily internet access, and training of teledentistry also questions regarding knowledge, attitudes, and practice. A total of 183 dentists in DKI Jakarta completed the questionnaire. Generally, the participants revealed high knowledge, positive attitude, and practicing teledentistry. A statistically significant relationship was found between practice teledentistry with age, marital status, working experience, and training of teledentistry. Spearman’s correlation test obtained a positive correlation (r = 0.436, p-value = 0.000) between knowledge and attitude. In order for teledentistry to be applied professionally, dentists must have knowledge, attitudes, and good practices regarding teledentistry and the need for appropriate regulations for teledentistry services."
Depok: Fakultas Kedokteran Gigi Universitas Indonesia, 2022
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Hania Azzahra Dewanto
"Latar Belakang: Mahasiswa kedokteran gigi tingkat akhir memainkan peran penting dalam pelaksanaan perawatan kedokteran gigi di masa depan, termasuk perawatan yang melalui teledentistry, sehingga penting untuk mengetahui bagaimana minat mahasiswa-mahasiswa ini untuk menggunakan. Minat mahasiswa untuk menggunakan teledentistry dapat diprediksi oleh domain-domain Model UTAUT.
Tujuan: Untuk mengetahui kemampuan Model UTAUT beserta domain-domainnya untuk memprediksi minat mahasiswa profesi kedokteran gigi di Indonesia untuk menggunakan teledentistry.
Metode: Penelitian deskriptif analitik potong lintang pada 472 mahasiswa profesi kedokteran gigi di Indonesia menggunakan kuesioner yang telah diadaptasi serta diuji validitas dan reliabilitasnya.
Hasil: Model UTAUT dan dapat memprediksi mahasiswa kedokteran gigi untuk menggunakan teledentistry (R2 = 51,4%). Seluruh domain model UTAUT memiliki pengaruh terhadap BI mahasiswa untuk menggunakan (PE R2 = 0,328, EE R2 = 0,371, SI R2 = 0,382, FC R2 = 0,346). Karakteristik kesukarelaan mahasiswa memiliki hubungan yang signifikan secara statistik dengan minat menggunakan teledentistry.
Kesimpulan: Model UTAUT dapat memprediksi minat mahasiswa kedokteran gigi di Indonesia untuk menggunakan teledentistry dan seluruh domain nya memiliki pengaruh terhadap minat penggunaan teledentistry. Karakteristik kesukarelaan mahasiswa dapat mempengaruhi minat untuk menggunakan teledentistry.

Background: Final year dental students play an important role in the implementation of future dental care including those through teledentistry, so it is important to know how interested these students are in using teledentistry. Interest (Behavioral Intention (BI)) can be predicted by the UTAUT Model’s construct (PE, EE, SI & FC).
Objective: To determine the ability of the UTAUT model in predicting the interest of dental students to use teledentistry and to determine the relationship between the characteristics of dental students and their interest.
Method: Cross-sectional analytic descriptive study on 472 dentistry students using a questionnaire that has been adapted and tested for its validity and reliability.
Results: The UTAUT model was significant in predicting the behavioral intention of dental students to use teledentistry (R2 = 51,4%). All domains of the UTAUT model have influence on students’ BI to use teledentistry (R2 = 0.328, 0.371, 0.382, 0.346). Voluntariness of use has a significant relationship with interest in using teledentistry.
Conclusion : The UTAUT model can predict dental students in Indonesia’s interest to use teledentistry and all of its domains have influence on the interest in using teledentistry. Student’s voluntariness of use also affected their interest in using teledentistry.
"
Jakarta: Fakultas Kedokteran Gigi Universitas Indonesia, 2021
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Alfina Azaria
"Pandemi COVID-19 mendorong adanya transformasi kesehatan, terutama dalam praktik kedokteran gigi. Respon terhadap risiko penularan menggiring masyarakat menuju layanan telemedicine, khususnya teledentistry. Fenomena ini menciptakan paradigma baru dalam ortodonti, mendorong perkembangan teleorthodontic. Dukungan teknologi machine learning di bidang ortodonti menawarkan solusi inovatif untuk diagnosis dini dan peningkatan aksesibilitas layanan ortodontik. Penelitian ini akan membandingkan 3 model computer vision yaitu EfficientNet, MobileNet, dan ShuffleNet disertai dengan adanya penambahan model tabular yaitu TabNet. Implementasi model computer vision ini bertujuan untuk dapat memberikan analisis awal bagi pasien ortodonti dan akan dievaluasi menggunakan metrik F1-score dan interpretability ahli dengan bantuan LIME. Berdasarkan penelitian ini, ditemukan bahwa model computer vision ShuffleNet memiliki rata-rata hasil nilai F1-score terbaik diikuti dengan EfficientNet dan terakhir MobileNet. Perbedaan nilai tersebut berkisar antara 1-5% antara EfficientNet dan ShuffleNet namun perbedaan melebar untuk MobileNet dan ShuffleNet yang berkisar antara 3-8%. Selain itu, penambahan TabNet dalam framework memberikan peningkatan rata-rata nilai F1-score sebesar 2.7% hingga 5% dibandingkan model yang tidak menggunakan TabNet.

The COVID-19 pandemic has driven health transformation, especially in dental practice. The response to the risk of transmission leads the public towards telemedicine services, especially teledentistry. This phenomenon creates a new paradigm in orthodontics, encouraging the development of teleorthodontics. The support of machine learning technology in orthodontics offers innovative solutions for early diagnosis and increased accessibility to orthodontic services. This study will compare 3 computer vision models, which are EfficientNet, MobileNet, and ShuffleNet, accompanied by adding a tabular model, which is TabNet. The implementation of this computer vision model aims to provide an initial analysis for orthodontic patients and will be evaluated using the F1-score metric and expert interpretability with the help of LIME. This study found that the ShuffleNet computer vision model has the best average F1-score, followed by EfficientNet, and finally MobileNet. The difference in value ranges between 1-5% between EfficientNet and ShuffleNet, but the difference widens for MobileNet and ShuffleNet, which ranges between 3-8%. In addition, adding TabNet to the framework provides an average increase in F1-score by 2.7% to 5% compared to models that do not use TabNet."
Jakarta: Fakultas Ilmu Komputer Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Ardhani Dzaky
"Pandemi COVID-19 mendorong adanya transformasi kesehatan, terutama dalam praktik kedokteran gigi. Respon terhadap risiko penularan menggiring masyarakat menuju layanan telemedicine, khususnya teledentistry. Fenomena ini menciptakan paradigma baru dalam ortodonti, mendorong perkembangan teleorthodontic. Dukungan teknologi machine learning di bidang ortodonti menawarkan solusi inovatif untuk diagnosis dini dan peningkatan aksesibilitas layanan ortodontik. Penelitian ini akan membandingkan 3 model computer vision yaitu EfficientNet, MobileNet, dan ShuffleNet disertai dengan adanya penambahan model tabular yaitu TabNet. Implementasi model computer vision ini bertujuan untuk dapat memberikan analisis awal bagi pasien ortodonti dan akan dievaluasi menggunakan metrik F1-score dan interpretability ahli dengan bantuan LIME. Berdasarkan penelitian ini, ditemukan bahwa model computer vision ShuffleNet memiliki rata-rata hasil nilai F1-score terbaik diikuti dengan EfficientNet dan terakhir MobileNet. Perbedaan nilai tersebut berkisar antara 1-5% antara EfficientNet dan ShuffleNet namun perbedaan melebar untuk MobileNet dan ShuffleNet yang berkisar antara 3-8%. Selain itu, penambahan TabNet dalam framework memberikan peningkatan rata-rata nilai F1-score sebesar 2.7% hingga 5% dibandingkan model yang tidak menggunakan TabNet.

The COVID-19 pandemic has driven health transformation, especially in dental practice. The response to the risk of transmission leads the public towards telemedicine services, especially teledentistry. This phenomenon creates a new paradigm in orthodontics, encouraging the development of teleorthodontics. The support of machine learning technology in orthodontics offers innovative solutions for early diagnosis and increased accessibility to orthodontic services. This study will compare 3 computer vision models, which are EfficientNet, MobileNet, and ShuffleNet, accompanied by adding a tabular model, which is TabNet. The implementation of this computer vision model aims to provide an initial analysis for orthodontic patients and will be evaluated using the F1-score metric and expert interpretability with the help of LIME. This study found that the ShuffleNet computer vision model has the best average F1-score, followed by EfficientNet, and finally MobileNet. The difference in value ranges between 1-5% between EfficientNet and ShuffleNet, but the difference widens for MobileNet and ShuffleNet, which ranges between 3-8%. In addition, adding TabNet to the framework provides an average increase in F1-score by 2.7% to 5% compared to models that do not use TabNet."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library