Ketika 5 dari 10 rujukan gigi meleset — bisakah AI menjadi pendamping keputusan?

Semua berawal dari satu gerbang.

Dalam JKN, pasien tidak langsung ke rumah sakit. Mereka masuk lewat FKTP — puskesmas dan klinik — tempat dokter gigi berperan sebagai gate keeper: merawat tuntas, atau merujuk ke FKTL bila kasus di luar kompetensi layanan primer.

Namun gerbang itu sering salah membuka.

Dua studi menemukan hal yang konsisten: 52,2% rujukan gigi di DIY tidak tepat Hanung, 2018, dan ketepatan rujukan hingga klaim FKTL hanya 41,8% Hanindriyo dkk., 2016. Separuh lebih perjalanan pasien dimulai dari keputusan yang meleset.

Dan skalanya terus membesar.

Kunjungan prosedur gigi rawat jalan tingkat lanjutan naik dari 2,09 juta (2019) menjadi 3,17 juta (2021). Setiap rujukan yang tidak tepat berarti antrean yang memanjang, biaya yang membengkak, dan perawatan yang tertunda.

Bukan karena dokternya tidak mampu.

Godaan pertama adalah menyalahkan kompetensi. Data tidak mendukung itu. Yang terjadi lebih dekat pada beban keputusan: keragaman kasus sangat luas, waktu konsultasi terbatas, dan kriteria rujukan tersebar di banyak dokumen.

Studi pendahuluan memperkuat dugaan itu.

Penelusuran pada 283 fasilitas kesehatan gigi primer di Daerah Istimewa Yogyakarta menunjukkan pola yang sama berulang: keputusan sulit diambil berkali-kali tanpa alat bantu yang hadir tepat waktu.

Sebelum dipakai, harus diuji dulu.

Sebelas Large Multimodal Model diuji terhadap 140 soal UKMP2DG yang mencakup 14 departemen — menghasilkan 1.540 observasi. Pertanyaannya sederhana: siapa yang paling dapat dipercaya membaca kasus gigi?

Claude memimpin, tetapi tak satu pun sempurna.

Akurasi total hanya 54,3%. Claude tertinggi dengan 71,4% (100 dari 140), disusul Grok 70,0%, GPT 67,9%, Gemini 66,4%, dan DeepSeek 63,6%.

Jurang antara model berbayar dan sumber terbuka.

Rata-rata model API 67,9% berbanding model sumber terbuka 43,0% — selisih 24,9 poin persentase yang signifikan (χ² = 95,2; p < 0,001; V = 0,249).

Yang tak terduga: cepat tidak berarti ceroboh.

Durasi median sangat beragam — Gemini 6 detik, Claude 33 detik, Grok 100 detik. Namun korelasi akurasi dengan durasi hanya ρ = 0,055. Tidak ada trade-off antara kecepatan dan ketepatan.

Dari laboratorium ke tangan dokter gigi.

Claude dipilih sebagai mesin CDSS, lalu diuji lewat rancangan acak terkendali pada 62 dokter gigi FKTP. Kelompok berbantuan CDSS dibandingkan dengan kelompok yang bekerja seperti biasa.

Lonjakan yang konsisten di semua ukuran.

Ketepatan diagnosis ICD-10 79,0% vs 49,4% (+29,6 pp). Ketepatan tindakan ICD-9-CM 87,4% vs 63,9% (+23,5 pp). Ketepatan keduanya sekaligus 68,4% vs 38,7% (+29,7 pp).

Tanpa memperlambat pekerjaan.

Durasi kerja kedua kelompok tidak berbeda bermakna (p = 0,163). Peningkatan ketepatan tidak dibayar dengan waktu konsultasi yang lebih panjang.

Paling menolong justru pada kasus yang jarang.

Selisih terbesar muncul pada erosi gigi: 96,8% vs 32,3%. Di sinilah nilai CDSS paling terasa — bukan pada kasus rutin, melainkan pada kasus yang jarang ditemui sehingga pola pengenalannya belum terbentuk.

Angka saja tidak cukup.

Sistem yang terbukti akurat belum tentu dipakai. Tahap ketiga menggali penerimaan lewat diskusi kelompok terfokus, memakai tujuh konstruk UTAUT2 berdampingan dengan enam prinsip etika AI WHO.

Keputusan tetap milik dokter.

Benang merah yang muncul berulang: CDSS diterima selama ia memindahkan titik awal berpikir, bukan mengambil alih keputusan. Transparansi kepada pasien dan kejelasan tanggung jawab menjadi syarat yang tidak dapat ditawar.