UKDW Bikin Aplikasi MoodTracker, Ada Fitur Deteksi Mood-Tes Kesehatan Mental

Jogja -

Dosen dan mahasiswa Fakultas Teknologi Informasi (FTI) Universitas Kristen Duta Wacana (UKDW) membuat aplikasi pemantau dan pengelola perubahan suasana hati, MoodTracker. Tim tersebut juga mengembangkan fitur pendeteksi suasana hati atau mood dan tes kesehatan mental pada aplikasi itu.

Penelitian tersebut dilakukan oleh Agata Filiana, S.Kom.,M.Scbersama dosen UKDW, yakni Maria Nila Anggia Rini, ST., MTI, Antonius Rachmat C., S.Kom.,M.cs., Andhika Galuh Prabawati, S.Kom.,M.Kom., dan sekelompok mahasiswa.

Tim tersebut mengembangkan aplikasi tersebut agar bisa dijalankan di sistem operasi berbasis Android. Mereka juga menambahkan fitur pendeteksi mood berdasarkan wajah pengguna.

SCROLL TO CONTINUE WITH CONTENT

Aplikasi tersebut juga ditambahkan fitur tes kesehatan mental pengguna dilengkapi rekomendasi psikolog berdasarkan hasil tes tersebut. Hal itu dilakukan agar MoodTracker bisa memberikan evaluasi komprehensif tentang kondisi kesehatan mental pengguna.

Maria Nila menjelaskan, penelitian itu adalah bagian dari Rencana Induk Penelitian (RIP) UKDW dalam bidang teknologi informasi dan sistem informasi yang mendalami aspek manajemen kesehatan, terutama kesehatan mental.

Aplikasi pemindai suasana hati. Foto: Dok UKDW

Dia menjelaskan, aplikasi tersebut menyediakan rangkaian pertanyaan dan tes yang dirancang untuk mengevaluasi kondisi mental pengguna dengan cepat dan informatif.

"Kami telah melakukan focus group discussion (FGD) untuk menentukan konten yang perlu disajikan. FGD ini melibatkan 10 orang psikolog klinis dari Ikatan Psikolog Klinis Yogyakarta (IPK). Dari pertemuan ini, didapatkan masukan untuk pengembangan aplikasi, yang mencakup tes deteksi dini adanya gejala gangguan mental, dengan menggunakan SRQ-20 dan pencegahan awal berdasarkan hasil tesnya," jelas Maria Nila dalam keterangan tertulis yang diterima detikJogja, Kamis (15/5/2025).

Tak hanya itu, MoodTracker pun menyediakan rekomendasi lokasi psikolog atau layanan kesehatan mental terdekat berdasarkan lokasi pengguna agar dapat mendukung pengguna dalam mendapatkan bantuan lebih lanjut apabila diperlukan.

Adapun pembuatan model machine learning untuk mendeteksi wajah menggunakan kombinasi pendekatan yang canggih, seperti penggunaan CNNs, augmentasi data, serta perhatian terhadap interpretabilitas dan keamanan model.

Model dalam machine learning pendeteksi wajah itu bisa menciptakan hasil yang dapat dipercaya di dunia nyata.

Tahap pertama pengembangan sistem deteksi mood dengan wajah itu adalah pengumpulan data.

Tahapan itu menggunakan data dari internet yang mencakup 327 gambar wajah. Adapun datanya terdiri dari 210 individu berusia 18-50 tahun, dengan rincian 31% laki-laki dan 69% perempuan dari berbagai ras di dunia.

Hasil dari pengembangannya, pengguna dapat menambahkan mood melalui input manual atau pemindaian. Pemindaian itu bisa dilakukan pada halaman scan mood dan aplikasi akan mengambil gambar secara otomatis pada hitungan mundur tiga detik.

Adapun gambar yang diambil akan diproses untuk memprediksi dan mengklasifikasi mood menjadi empat kategori: marah, bahagia, netral, dan sedih. Sistem pengklasifikasian mood wajah itu menjadi topik skripsi seorang mahasiswa FTI UKDW, Edwin Mahendra.

Setelah berhasil menambahkan fitur tes kesehatan mental, Maria Nila menambahkan, pengembangan berikutnya mencakup optimalisasi fitur detector untuk mendeteksi mood lebih akurat. Tahapan tersebut akan melibatkan pengujian dan evaluasi pengguna untuk memastikan kinerja aplikasi memberikan hasil yang andal dan bermanfaat.

Adapun hal lain yang perlu dikembangkan untuk meningkatkan efektivitas aplikasi tersebut adalah peningkatan teknologi deteksi wajah, klasifikasi pose, eksplorasi penggunaan electroencephalography (EEG) untuk mendeteksi suasana hati, pengembangan algoritma deteksi yang lebih adaptif, dan integrasi fitur personal coaching atau konsultasi psikologis.

Perlu diketahui, World Health Organization (WHO) mencatat, gangguan mental seperti depresi dan kecemasan adalah penyebab utama penyakit di dunia. Sebab itu, kesehatan mental menjadi perhatian isu.