Gede Aditra Pradnyana (Adit) saat presentasi disertasinya dalam sidang promosi doktor di Departemen Teknik Elektro ITS. (Ist)
SURABAYA, BANGSAONLINE.com – Lulusan program doktoral Departemen Teknik Elektro Institut Teknologi Sepuluh November (ITS), Gede Aditra Pradnyana merancang model sistem deteksi depresi berbasis sumber data dari penggunaan medsos menggunakan Artificial Intelligence (AI) multimodal.
Sistem deteksi depresi ini ia kembangkan atas dorongan maraknya pengguna smarphone dan medsos yang menyebabkan kondisi mental masyarakat menjadi dinamis.
Bahkan, Adit menjelaskan bahwa kasus bunuh diri yang disebabkan oleh depresi menjadi salah satu permasalahan genting dalam hal kemanusiaan. Ketakutan untuk mengungkapkan masalah kehidupan secara langsung, baik kepada psikolog, psikiater, maupun kerabat dekat masih menjadi hambatan bagi mayoritas orang. Menurut Adit, sebagian orang lebih sering meluapkan perasaan gelisah dan persoalan yang rumit ke medsos.
Adit mengusulkan pendekatan deteksi depresi secara non-intrusif berbasis jejak digital. Melalui pendekatan ini, sistem yang dibangun mampu memberikan informasi awal secara cepat, mendukung intervensi diri, dan berfungsi sebagai pelengkap asesmen klinis konvensional.
“Pendekatan ini bukan hanya memerlukan sensor fisiologis, melainkan juga memanfaatkan pola ekspresi multimodal sebagai indikator awal,” jelas Adit, Rabu (18/2/2026).
Model yang dikembangkan bernama DeXMAG, yakni gabungan antara Cross-Modal Attention and Adaptive Gated Fusion dengan fitur Myers Briggs Type Indicator (MBTI). Lebih jelasnya, kombinasi dari kerangka kerja multimodal deep learning yang dipersonalisasi oleh tipe kepribadian pengguna. Oleh karena itu, sistem yang dimiliki dapat meningkatkan performa deteksi depresi dari data media sosial.
Secara arsitektural, rancangan model tersebut dimulai dari tahap paling awal dan utama, yakni mengidentifikasi modalitas teks dan gambar yang diunggah oleh pengguna. Setelah proses identifikasi, muatan modalitas diproses oleh RoBERTa dan VGG-16 model terlatih serta keputusan kepribadian oleh GloVe-BiLSTM. Penyelesaian proses dilakukan dengan Weighted Fused Representation, sehingga diperoleh hasil deteksi berupa depresi atau tidak depresi.
Lebih lanjut, Adit menjelaskan, hasil yang didapatkan menunjukkan delapan sifat kepribadian yang berhubungan dengan indikasi depresi. Sifat kepribadian tersebut terdiri atas perceiving, judging, intuition, dan thinking.
“Bukan hanya itu, sifat kepribadian tentang perasaan, seperti feeling, introversion, sensing, dan extroversion turut ditampilkan dengan bentuk diagram radar,” katanya.
Secara keseluruhan, hasil deteksi terbukti dari studi ablasi yang menunjukkan bahwa setiap modalitas memberikan kontribusi terhadap kinerja prediktif. Setiap sinyal linguistik dan visual akan memberikan peningkatan kinerja yang signifikan dibandingkan pendekatan unimodal.
“Harapannya, pendekatan ini bisa dimanfaatkan banyak orang dan mampu membantu memutuskan kerentanan depresi hanya melalui fitur aplikasi,” tutup Adit. (msn)
