telusur.co.id -Maraknya penggunaan ponsel pintar dan media sosial di era globalisasi berdampak signifikan pada dinamika kondisi kesehatan mental masyarakat. Menanggapi tantangan tersebut, Dr. Gede Aditra Pradnyana, S.Kom., M.Kom., lulusan program doktoral Departemen Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS), merancang model sistem deteksi depresi berbasis data media sosial menggunakan kecerdasan buatan (Artificial Intelligence/AI) multimodal.

Pria yang akrab disapa Adit ini menjelaskan bahwa depresi yang berujung pada tindakan bunuh diri telah menjadi permasalahan kemanusiaan yang mendesak. Hambatan utama saat ini adalah masih adanya rasa takut atau segan bagi sebagian orang untuk mengungkapkan masalah mereka secara langsung kepada psikolog, psikiater, maupun kerabat. Sebaliknya, jejak digital menunjukkan bahwa banyak individu justru lebih sering meluapkan kegelisahan mereka melalui platform media sosial.

Berangkat dari fenomena tersebut, dosen Universitas Pendidikan Ganesha ini mengusulkan pendekatan deteksi depresi secara non-intrusif. Melalui metode ini, sistem yang dibangun mampu memberikan informasi awal secara cepat, mendukung intervensi diri, serta berfungsi sebagai pelengkap penilaian klinis konvensional.

“Pendekatan ini bukan hanya memerlukan sensor fisiologis, melainkan juga memanfaatkan pola ekspresi multimodal sebagai indikator awal,” papar Adit.

Model inovatif yang dikembangkannya diberi nama DeXMAG, sebuah gabungan antara Cross-Modal Attention and Adaptive Gated Fusion dengan fitur Myers Briggs Type Indicator (MBTI). Secara teknis, sistem ini merupakan kerangka kerja multimodal deep learning yang dipersonalisasi berdasarkan tipe kepribadian pengguna, sehingga akurasi deteksi depresi dari data media sosial dapat ditingkatkan.

Arsitektur model ini bekerja dengan mengidentifikasi modalitas teks dan gambar yang diunggah oleh pengguna. Proses pengolahan data menggunakan model terlatih RoBERTa dan VGG-16, sementara keputusan tipe kepribadian diproses oleh GloVe-BiLSTM. Tahap akhir dilakukan melalui Weighted Fused Representation untuk menghasilkan kesimpulan apakah pengguna terindikasi depresi atau tidak.

Penelitian ini juga mengungkapkan delapan sifat kepribadian yang berkaitan dengan indikasi depresi, seperti perceiving, judging, intuition, dan thinking.

“Bukan hanya itu, sifat kepribadian tentang perasaan, seperti feeling, introversion, sensing, dan extroversion turut ditampilkan dalam bentuk diagram radar,” imbuh alumnus Universitas Udayana tersebut.

Secara keseluruhan, hasil studi menunjukkan bahwa kombinasi sinyal linguistik dan visual memberikan peningkatan kinerja prediktif yang signifikan dibandingkan dengan pendekatan satu modalitas saja.

Adit menyatakan optimismenya bahwa inovasi ini dapat membantu banyak orang untuk mengenali kerentanan depresi hanya melalui fitur aplikasi. Selain itu, penelitian ini selaras dengan agenda Tujuan Pembangunan Berkelanjutan (Sustainable Development Goals/SDGs), khususnya poin ketiga mengenai kehidupan sehat dan sejahtera serta poin kesembilan mengenai industri, inovasi, dan infrastruktur.

Melalui integrasi kecerdasan buatan dan kesehatan mental digital, inovasi ini diharapkan berkontribusi pada pengembangan solusi teknologi yang mendukung kesejahteraan psikologis masyarakat secara berkelanjutan.