SURABAYA (Lentera) -Pemanfaatan media sosial yang semakin masif di tengah masyarakat tak hanya berdampak pada pola komunikasi, tetapi juga membuka peluang baru dalam pemantauan kesehatan mental.
Berangkat dari fenomena tersebut, lulusan program doktoral Departemen Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS), Dr Gede Aditra Pradnyana SKom MKom, mengembangkan sistem pendeteksi depresi berbasis riwayat aktivitas media sosial menggunakan Artificial Intelligence (AI) multimodal.
Pria yang akrab disapa Adit ini menyoroti kasus bunuh diri akibat depresi masih menjadi persoalan kemanusiaan yang serius. Sayangnya, banyak individu enggan mengungkapkan kondisi psikologisnya secara langsung kepada psikolog, psikiater, maupun orang terdekat.
Di sisi lain, tidak sedikit orang justru mengekspresikan kegelisahan dan persoalan hidupnya melalui unggahan di media sosial.
Melihat kondisi tersebut, dosen Universitas Pendidikan Ganesha ini menawarkan pendekatan deteksi depresi secara non-intrusif berbasis jejak digital.
Sistem yang ia bangun mampu memberikan informasi awal secara cepat untuk mendukung intervensi mandiri serta melengkapi asesmen klinis konvensional.
“Pendikatan ini tidak hanya memanfaatkan sensor fisiologis, tetapi juga pola ekspresi multimodal sebagai indikator awal,” jelasnya, Rabu (18/2/2026).
Model yang dikembangkan diberi nama DeXMAG, yakni integrasi Cross-Modal Attention and Adaptive Gated Fusion dengan fitur Myers Briggs Type Indicator (MBTI). Kerangka kerja ini mengombinasikan multimodal deep learning yang dipersonalisasi berdasarkan tipe kepribadian pengguna, sehingga mampu meningkatkan performa deteksi depresi dari data media sosial.
Secara arsitektural, sistem dimulai dengan identifikasi dua modalitas utama, yakni teks dan gambar yang diunggah pengguna. Konten teks diproses menggunakan model RoBERTa, sementara citra visual dianalisis dengan VGG-16.
Adapun klasifikasi kepribadian dilakukan melalui GloVe-BiLSTM. Seluruh hasil pemrosesan kemudian digabungkan menggunakan Weighted Fused Representation untuk menghasilkan keputusan akhir: terindikasi depresi atau tidak.
Hasil penelitian menunjukkan adanya delapan sifat kepribadian yang berkorelasi dengan indikasi depresi, yakni perceiving, judging, intuition, thinking, feeling, introversion, sensing, dan extroversion. Karakteristik tersebut divisualisasikan dalam bentuk diagram radar untuk memberikan gambaran profil psikologis pengguna.
Secara keseluruhan, studi ablasi yang dilakukan membuktikan bahwa setiap modalitas baik linguistik maupun visual memberikan kontribusi signifikan terhadap kinerja prediktif. Pendekatan multimodal terbukti lebih unggul dibandingkan metode unimodal.
"Harapannya, inovasi ini dapat dimanfaatkan secara luas sebagai fitur dalam aplikasi digital guna membantu mendeteksi kerentanan depresi sejak dini," tutupnya.
Reporter: Amanah|Editor: Arifin BH
.jpg)
