Terobosan Baru! Depresi Bisa Dideteksi Lewat Media Sosial Berkat AI Karya Anak Bangsa

Rancang Sistem Deteksi Depresi Lewat Jejak Digital Medsos

RADAR SURABAYA – Maraknya penggunaan smartphone dan media sosial (medsos) di era digital membuat dinamika kesehatan mental masyarakat semakin kompleks.

Menjawab tantangan tersebut, lulusan program doktoral Departemen Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS), Gede Aditra Pradnyana, merancang model sistem deteksi

depresi berbasis data penggunaan media sosial dengan memanfaatkan Artificial Intelligence (AI) multimodal.

Ia menjelaskan bahwa kasus bunuh diri akibat depresi menjadi persoalan kemanusiaan yang mendesak.

Banyak individu masih merasa enggan atau takut mengungkapkan kondisi mentalnya secara langsung kepada tenaga profesional maupun orang terdekat.

Sebaliknya, mereka lebih memilih mengekspresikan kegelisahan dan persoalan pribadi melalui unggahan di media sosial.

Berangkat dari fenomena tersebut, Gede mengusulkan pendekatan deteksi depresi secara nonintrusif berbasis jejak digital.

Sistem ini dirancang untuk memberikan informasi awal secara cepat, mendukung intervensi mandiri, serta melengkapi asesmen klinis konvensional.

“Pendekatan ini tidak hanya memerlukan sensor fisiologis, tetapi juga memanfaatkan pola ekspresi multimodal sebagai indikator awal,” ujarnya, Rabu (18/2).

Model DeXMAG Berbasis AI Multimodal

Model yang dikembangkan diberi nama DeXMAG, yakni gabungan Cross-Modal Attention and Adaptive Gated Fusion dengan fitur Myers-Briggs Type Indicator (MBTI).

Model ini merupakan kombinasi kerangka kerja multimodal deep learning yang dipersonalisasi berdasarkan tipe kepribadian pengguna, sehingga mampu meningkatkan performa deteksi depresi dari data media sosial.

Secara arsitektural, sistem ini diawali dengan identifikasi modalitas teks dan gambar yang diunggah pengguna.

Konten tersebut kemudian diproses menggunakan model terlatih RoBERTa untuk analisis teks dan VGG-16 untuk analisis visual. Sementara itu, aspek kepribadian diproses melalui GloVe-BiLSTM.

Tahapan akhir dilakukan dengan metode Weighted Fused Representation untuk menghasilkan keputusan prediktif mengenai indikasi depresi pada pengguna.

Delapan Sifat Kepribadian Terkait Indikasi Depresi

Hasil penelitian menunjukkan adanya delapan sifat kepribadian yang berkaitan dengan indikasi depresi, yakni perceiving, judging, intuition, thinking, feeling, introversion, sensing, dan extroversion.

“Selain itu, dimensi perasaan juga divisualisasikan dalam bentuk diagram radar untuk mempermudah interpretasi,” jelasnya.

Berdasarkan studi ablasi yang dilakukan, setiap modalitas—baik teks maupun gambar—terbukti memberikan kontribusi signifikan terhadap kinerja prediktif sistem.

Kombinasi sinyal linguistik dan visual menghasilkan performa yang lebih baik dibandingkan pendekatan unimodal.

Gede berharap pendekatan ini dapat dimanfaatkan secara luas melalui integrasi pada fitur aplikasi digital, sehingga membantu pengguna mengenali kerentanan depresi sejak dini.

“Harapannya, sistem ini bisa menjadi alat bantu awal untuk mendeteksi potensi depresi hanya melalui jejak digital di media sosial,” pungkasnya.(rmt)

Editor : Rahmat Adhy Kurniawan