Rakhmah, Firda Aulia (2025) APLIKASI PENDUKUNG KESEHATAN MENTAL DENGAN AI REAL-TIME FACIAL EMOTION RECOGNITION MENGGUNAKAN ARSITEKTUR LONG SHORT-TERM MEMORY (LSTM). Diploma thesis, Politeknik Harapan Bersama.
![[img]](http://eprints.poltektegal.ac.id/style/images/fileicons/text.png) |
Text (Cover 1)
Cover 1.pdf Download (1MB) |
|
Text (Bab I)
Bab I.pdf Download (358kB) |
|
Text (Bab II)
Bab II.pdf Restricted to Registered users only Download (2MB) |
|
Text (Bab III)
Bab III.pdf Download (251kB) |
|
Text (Daftar Pustaka)
Daftar Pustaka.pdf Download (153kB) |
|
Text (Daftar Lampiran)
Daftar Lampiran.pdf Download (14MB) |
Abstract
Kesehatan mental merupakan aspek penting dalam kehidupan, terutama bagi dewasa muda yang rentan mengalami tekanan emosional. Data dari Survei Kesehatan Indonesia menunjukan prevalensi depresi tertinggi terjadi pada usia 15-24 tahun, Indonesian National Adolescent Mental Health Survey mencatat satu dari tiga remaja memiliki masalah kesehatan mental dalam 12 bulan terakhir. Ditengah kemajuan teknologi dan tekanan sosial, Inovasi berbasis AI semakin mendominasi dan mempermudah dalam menyelesaikan tugas secara lebih efektif. Teknologi juga turut mempengaruhi kesehatan mental, terutama pada dewasa muda yang menghadapi tekanan untuk sukses, kecenderungan membandingkan diri dengan orang lain, serta minimnya pemahaman mengenai kesehatan mental. Penelitian ini menghadirkan sebuah solusi aplikasi mobile bernama Companion yang dirancang untuk membantu dalam mengenali kondisi emosional secara real-time. Aplikasi ini menggabungkan teknologi Mediapipe Face Landmarker untuk mengekstraksi titik-titik wajah dari ekspresi pengguna dengan model LSTM. Model yang dikembangkan mampu mengklasifikasikan 8 emosi dasar dengan akurasi sebesar 85%, kemudian diidentifikasi gaya keterikatan emosional (Attachment Style) ke dalam 3 kelas yaitu Secure, Insecure-Anxious, dan Insecure-Avoidant. Selain itu, Companion menyediakan artikel kesehatan, layanan konseling dengan psikolog, riwayat deteksi dan pembayaran, serta resume hasil skrining yang dapat digunakan untuk konsultasi lanjutan. Dengan pendekatan interaktif dan personal, aplikasi ini diharapkan dapat menjadi teman setia bagi pengguna dalam menjaga kesehatan mental. Kata Kunci: Kesehatan Mental, Mediapipe Face Landmarker, LSTM, Attachment Style.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology |
| Divisions: | Teknik > Diploma IV Teknik Informatika |
| Depositing User: | Firda Aulia Rakhmah |
| Date Deposited: | 12 Sep 2025 09:18 |
| Last Modified: | 12 Sep 2025 09:18 |
| URI: | http://eprints.poltektegal.ac.id/id/eprint/5920 |
Actions (login required)
 |
View Item |